Hvers vegna myndgreining mikilvæg?

Um 80 prósent af efninu á netinu er sjónrænt. Þú getur nú þegar byrjað að finna út hvers vegna myndamerking gæti haldið sæti sínu sem konungur efnistöflunnar. Hvort sem það eru einstaklingar eða fyrirtæki, gervigreind myndgreining hefur gert það mögulegt að bera kennsl á myndefni á netinu með lágmarks læti. Þar birtast um 657 milljarðar mynda á hverju ári stafrænt, þar sem meirihlutinn birtist á samfélagsmiðlum. Góður hluti af þessum myndum er fólk sem kynnir vörur, jafnvel þótt það geri það óafvitandi. Notendamyndað efni (UGC) í sinni hreinustu mynd er frábært efni fyrir vörumerki þar sem það veitir bestu kynningu.
Það eru markaðstól til að láta fyrirtæki vita þegar minnst er á neytendur á samfélagsmiðlum, en hvað með þegar vörumerkjakynning fer fram án þess að nokkur merki nafn þeirra í samfélagsfærslunni? Þetta er þar sem gervigreind myndgreining sannar gildi sitt. Ef tæknin fær rétt gagnasöfn, getur gervigreind auðkennt mynd án sérstakrar merkingar. Niðurstöðurnar eru ómetanlegar fyrir vörumerki til að rekja og rekja félagsleg ummæli þeirra.

Hvernig virkar myndgreining?

Eins og við vitum getur gervigreind leitað á samfélagsmiðlum í leit að myndum og borið þær saman við umfangsmikil gagnasöfn. Það ákveður síðan viðeigandi mynd sem samsvarar miklu hraðar en menn geta. Vörumerki nota myndgreiningu til að finna efni svipað þeirra eigin á samfélagsmiðlum. Það þýðir að bera kennsl á merki vörumerkis eða viðurkenna lífrænt setta vörustaðsetningu meðal notenda samfélagsmiðla. Það verður auðveldlega þreytandi að biðja menn um að troða í gegnum svo mikið af upplýsingum. Gervigreind hefur ekki áhyggjur af mannlegum mistökum og skilar nákvæmum niðurstöðum á óviðjafnanlegum stigum. Gervigreind myndgreining fylgist með því sem fólk er að segja um vörumerki án þess að þurfa texta. Vörumerki sem geta fylgst með félagslegum ummælum sínum án þess að notendur þurfi að slá inn nafn fyrirtækisins munu finna sig í hagstæðari stöðu. Möguleikarnir á að nýta sér eigin umfjöllun á netinu eingöngu í gegnum AI viðurkennd auðkenni er gríðarleg og býður upp á óviðjafnanlega umfjöllun.

Hér eru nokkur dæmigerð verkefni við myndgreiningu: -

Í fyrstu verðum við að ákvarða hvort myndgögnin innihalda einhvern ákveðinn hlut, eiginleika eða virkni. Þetta verkefni er venjulega hægt að leysa af krafti og án fyrirhafnar af manni, en er samt ekki leyst á fullnægjandi hátt í tölvusjón fyrir almenna tilvikið: handahófskennda hluti í handahófskenndum aðstæðum. Þær aðferðir sem fyrir eru til að takast á við þetta vandamál er best að leysa aðeins fyrir tiltekna hluti, svo sem einfalda rúmfræðilega hluti (td fjölhúð), andlit manna, prentaða eða handskrifaða stafi, eða farartæki, og við sérstakar aðstæður, venjulega lýst með hugtökum af vel skilgreindri lýsingu, bakgrunni og stellingu hlutarins miðað við myndavélina. Mismunandi afbrigðum af viðurkenningarvandanum er lýst í bókmenntum:

• Hlutaþekking

Einn eða fleiri fyrirfram tilgreinda eða lærða hluti eða hlutaflokka er hægt að bera kennsl á, venjulega ásamt tvívíddarstöðu þeirra í myndinni eða þrívíddarstellingum í senunni.

• Auðkenning
Einstakt tilvik af hlut er þekkt. Dæmi eru auðkenning á andliti eða fingrafari tiltekins einstaklings eða auðkenning á tilteknu farartæki.

• Uppgötvun
Myndgögnin eru skönnuð fyrir tiltekið ástand. Dæmi eru uppgötvun á hugsanlegum óeðlilegum frumum eða vefjum í læknisfræðilegum myndum eða uppgötvun ökutækis í sjálfvirku vegatollkerfi. Greining byggð á tiltölulega einföldum og hröðum útreikningum er stundum notuð til að finna smærri svæði áhugaverðra myndgagna sem hægt er að greina frekar með reikningslega krefjandi aðferðum til að framleiða rétta túlkun.

Nokkur sérhæfð verkefni byggð á viðurkenningu eru til staðar, svo sem:

• Myndaheimsókn sem byggir á efni
Hér finnur þú allar myndir í stærra safni mynda sem hafa ákveðið innihald. Hægt er að tilgreina innihaldið á mismunandi vegu, til dæmis hvað varðar líkindi miðað við markmynd (gefðu mér allar myndir svipaðar mynd X), eða með tilliti til leitarskilyrða á háu stigi sem gefin eru inn sem textainnsláttur (gefðu mér allar myndir sem innihalda mörg hús, eru tekin á veturna og hafa enga bíla í þeim).

• Stöðumat
við verðum að áætla staðsetningu eða stefnu tiltekins hlutar miðað við myndavélina. Dæmi um forrit fyrir þessa tækni væri að aðstoða vélmenni við að sækja hluti af færibandi í færibandsaðstæðum.

• Optísk tákngreining
OCR sem er að auðkenna stafi í myndum af prentuðum eða handskrifuðum texta, venjulega með það fyrir augum að kóða textann á meira sniði og gera kleift að breyta eða flokka tölvunarfræði- og verkfræðideild Michigan State University. „The Pattern Recognition and Image Processing (PRIP) rannsóknarstofudeild og nemendur rannsaka notkun véla til að þekkja mynstur eða hluti. Aðferðir eru þróaðar til að skynja hluti, uppgötva hvaða eiginleika þeirra aðgreina þá frá öðrum og hanna reiknirit sem vél getur notað til að flokka. Mikilvæg forrit fela í sér andlitsgreiningu, auðkenningu fingrafara, greiningu skjalamynda, smíði þrívíddarhlutalíkana, vélmennaleiðsögn og sjónræn/könnun á 3D rúmmálsgögnum. Núverandi rannsóknarvandamál eru meðal annars líffræðileg tölfræði auðkenning, sjálfvirkt eftirlit og rekja spor einhvers, handfangslaus HCI, andlitslíkön, stafræn vatnsmerki og greining á uppbyggingu netskjala. Nýútskrifaðir nemendur úr rannsóknarstofunni hafa unnið að rithöndlun, sannprófun á undirskriftum, sjónrænu námi og myndleit.

⦁ Andlitsþekking
við vitum að andlitsgreiningarkerfi eru sífellt að verða vinsæl sem leið til að vinna úr líffræðilegum tölfræðiupplýsingum. Andlitsgreining gegnir mikilvægu hlutverki í líffræðileg tölfræðikerfum og er aðlaðandi fyrir fjölmörg forrit, þar á meðal sjónrænt eftirlit og öryggi. Vegna almennrar viðurkenningar á andlitsmyndum á ýmsum skjölum, hefur andlitsþekking mikla möguleika á að verða næsta kynslóð líffræðileg tölfræðitækni sem þú velur.

Myndgreiningarkerfi

⦁ Hreyfingargreining
Nokkur verkefni tengjast hreyfimati þar sem myndröð er unnin til að búa til mat á hraðanum annaðhvort á hverjum stað á myndinni eða í þrívíddarsenunni, eða jafnvel á myndavélinni sem framleiðir myndirnar. Dæmi um slík verkefni eru:

⦁  Ego hreyfing
Ákvörðun þrívíddar stífrar hreyfingar (snúningur og þýðing) myndavélarinnar út frá myndröð sem myndavélin framleiðir.

⦁ Rekja
Rekja fylgist með hreyfingum (venjulega) smærri hóps áhugapunkta eða hluta (td farartækja eða manna) í myndröðinni.

⦁ Optískt flæði
Þetta er til að ákvarða, fyrir hvern punkt á myndinni, hvernig sá punktur hreyfist miðað við myndplanið, þ.e. sýnilega hreyfingu þess. Þessi hreyfing er afleiðing bæði af því hvernig samsvarandi þrívíddarpunktur hreyfist í atriðinu og hvernig myndavélin hreyfist miðað við atriðið.

⦁ Endurbygging vettvangs
Með einni eða (venjulega) fleiri myndum af senu, eða myndbandi, miðar endurbygging senu að því að reikna út þrívíddarlíkan af senu. Í einfaldasta tilvikinu getur líkanið verið sett af þrívíddarpunktum. Ítarlegri aðferðir framleiða fullkomið 3D yfirborðslíkan

⦁ Endurheimt mynd
Markmiðið með endurheimt myndarinnar er að fjarlægja hávaða (suð í skynjara, hreyfiþoka o.s.frv.) úr myndum. Einfaldasta mögulega aðferðin til að fjarlægja hávaða er ýmsar gerðir sía eins og lágrásarsíur eða miðgildissíur. Ítarlegri aðferðir gera ráð fyrir líkani af því hvernig staðbundin myndbygging lítur út, líkan sem aðgreinir þá frá hávaða. Með því að greina myndgögnin fyrst með tilliti til staðbundinnar myndbyggingar, svo sem línur eða brúna, og stjórna síðan síun út frá staðbundnum upplýsingum úr greiningarþrepinu, fæst yfirleitt betri hávaðafjarlæging miðað við einfaldari aðferðirnar. Dæmi á þessu sviði er málverk þeirra. Sum kerfi eru sjálfstæð forrit sem leysa tiltekið mæli- eða greiningarvandamál, á meðan önnur eru undirkerfi af stærri gerð sem inniheldur til dæmis einnig undirkerfi til að stjórna vélrænum stýribúnaði, áætlanagerð, upplýsingagagnagrunna, mann- vélaviðmót o.s.frv. Sértæk útfærsla tölvusjónkerfis fer einnig eftir því hvort virkni þess sé fyrirfram tilgreind eða hvort hægt sé að læra eða breyta einhverjum hluta þess meðan á notkun stendur. Hins vegar eru dæmigerðar aðgerðir sem finnast í mörgum tölvusjónkerfum.

 

Dýpri nám með myndgreiningu

Myndgreining var til fyrir gervigreind. Samt er vélanámsþátturinn að gjörbylta aðferðum til að bera kennsl á hlut eða andlit manns. Vélnám er þó aðeins árangursríkt þegar það eru gögn til að fæða það. Fyrir alla sjálfvirkni gervigreindar er ekki einföld beiðni að bera kennsl á myndir. Skilningur okkar á myndefni er annars eðlis; það er eitthvað sem við erum forrituð til að gera frá unga aldri. Að biðja um það sama um vél er ekki einfalt ferli. Af þeirri ástæðu er ein af vinsælustu gerðum gervigreindargreiningar vikið taugakerfi (CNN). CNN er aðferð sem einbeitir sér að pixlum sem eru staðsettir við hliðina á öðrum. Nálægðar myndir eru líklegri til að vera skyldar, sem þýðir að hlutur eða andlit passar við mynd með meira gagnsæi.
Þó að vörumerki sem leitast við að afla tekna af samfélagsmiðlum þó að gervigreind myndþekking hafi skýran ávinning, þá eru notkunartilvikin mun dýpra. Sjálfkeyrandi bílar eru að fara að verða næsta stóra hluturinn í bílaheiminum og gervigreind myndgreiningartækni hjálpar til við að knýja þá. Sjálfkeyrandi bíll sem getur greint hluti og fólk á veginum svo hann rekast ekki á þá gerist ekki sjálfkrafa. Það þarf að þekkja myndirnar til að taka upplýstar ákvarðanir. Hver sjálfkeyrandi bíll er búinn nokkrum skynjurum svo hann getur borið kennsl á önnur farartæki á ferð, hjólreiðamenn, fólk - í rauninni allt sem gæti valdið hættu. Sjálfvirkur bíll þarf að vinna úr hættum vegarins á sama hátt og vanur ökumaður gerir. Það eru enn nokkrir þættir sem þarf að slíta áður en sjálfkeyrandi bílar koma á götuna árið 2020. En þegar sjálfvirkni ökutækja byrjar mun gervigreind myndgreining vera einn helsti ökumaðurinn á bak við þá sem vinna á öruggan hátt.
⦁ Myndaöflun
Stafræn mynd er framleidd með einni eða fleiri myndflögum, sem, fyrir utan ýmsar gerðir ljósnæma myndavéla, innihalda fjarlægðarskynjara, sneiðmyndatæki, ratsjá, ultra-sonic myndavélar o.s.frv. er venjuleg 2D mynd, 3D bindi eða myndröð. Dílagildin samsvara venjulega ljósstyrk í einu eða fleiri litrófsböndum (gráar myndir eða litmyndir), en geta einnig tengst ýmsum líkamlegum mælingum, svo sem dýpt, frásog eða endurkasti hljóð- eða rafsegulbylgna, eða kjarnasegulómun.
⦁ Forvinnsla:
Áður en hægt er að beita tölvusjónaraðferð á myndgögn til að draga út tilteknar upplýsingar er venjulega nauðsynlegt að vinna úr gögnunum til að tryggja að þau uppfylli ákveðnar forsendur sem aðferðin gefur til kynna. Dæmi eru
1. Endursýnataka til að tryggja að myndhnitakerfið sé rétt.
2. Hávaðaminnkun til að tryggja að skynjarahljóð komi ekki með rangar upplýsingar.
3. Aukning birtuskila til að tryggja að hægt sé að greina viðeigandi upplýsingar.
4. Kvarða-rými framsetning til að auka myndbyggingu á staðbundnum viðeigandi mælikvarða.
⦁ Eiginleikaútdráttur:
Myndareiginleikar á ýmsum flækjustigum eru dregin út úr myndgögnunum. Dæmigerð dæmi um slíka eiginleika eru línur, brúnir og hryggir
Staðbundnir áhugapunktar eins og horn, kubbar eða punktar. Flóknari eiginleikar geta tengst áferð, lögun eða hreyfingu.
⦁ Uppgötvun / skipting:
Á einhverjum tímapunkti í vinnslunni er tekin ákvörðun um hvaða myndpunktar eða svæði myndarinnar skipta máli fyrir frekari vinnslu. Dæmi eru
1. Val á tilteknu mengi áhugapunkta
2. Skipting á einu eða mörgum myndsvæðum sem innihalda tiltekinn hlut sem vekur áhuga.
⦁ Vinnsla á háu stigi:
Í þessu skrefi er inntakið venjulega lítið safn af gögnum, til dæmis sett af punktum eða myndsvæði sem gert er ráð fyrir að innihaldi tiltekinn hlut. Sú vinnsla sem eftir er fjallar td um:
1. Staðfesting á því að gögnin uppfylli líkanabundnar forsendur og umsóknarsértækar forsendur.
2. Mat á notkunarsértækum breytum, svo sem hlutum eða hlutstærð.
3. Að flokka greindan hlut í mismunandi flokka. Þannig hjálpar myndvinnsla gervigreind að bera kennsl á myndina og bregðast við í samræmi við myndauðkenninguna.

Óaðfinnanleg framtíð myndmáls

Eftir því sem tæknin batnar mun myndgreining skila enn betri árangri. Yfirmaður vélanáms hjá Lobster, Vladimir Pavlov, segir: „Stærðfræðilegur grunnur fyrir hlutgreiningu hefur verið til í langan tíma, en nýlega komu upp tæknilegir möguleikar á að nota tölvusjónalgrím. Nú þegar gera taugakerfi kleift að búa til fullkomna skynjara sem geta virkað betur en menn. Stór skíthæll heldur aftur af tilvist merktra myndagagnasetta fyrir þjálfun, en í náinni framtíð mun þetta ekki vera vandamál. Tölvusjónverkfræðingar eru virkir að vinna að sjálflærandi reikniritum.“ Með framtíð sem er undir svo miklum áhrifum sjónrænna samskipta mun myndgreining vera lykilatriðið á bak við margar myndirnar sem við sjáum. Bæði í raunveruleikanum og á netinu.