Компьютерное зрение: как ИИ «видит» и понимает изображения

Компьютерное зрение (computer vision) - это область искусственного интеллекта, которая учит компьютеры анализировать изображения и видео: находить предметы, распознавать лица, текст, движение и строить представление о пространстве.

Простыми словами

Камера сама по себе видит лишь миллионы цветных точек - как мозаику вблизи. Компьютерное зрение - это умение отойти на шаг и сказать: «Ага, это кот на диване, а вот там - пульт». Человек делает это мгновенно, а машине для этого пришлось просмотреть миллионы подписанных фото.

Как это работает

1. Камера передает изображение как таблицу чисел - яркость и цвет каждого пикселя.
2. Нейросеть ищет сначала простые признаки: края, углы, текстуры.
3. Дальше - более сложные: глаза, колеса, буквы, силуэты.
4. Она определяет, что на изображении, где именно и, если нужно, как оно движется.
5. Результат используют другие программы: камера, робот, автомобиль, поиск.

Где ты это увидишь

Разблокировка лицом, сортировка фото в галерее по людям и предметам, распознавание текста с фото, поиск обведением (Circle to Search), портретный режим, роботы-пылесосы с камерами, системы помощи водителю, камеры видеонаблюдения, кассы самообслуживания.

Важно ли это при выборе

Ты пользуешься им каждый день, даже не замечая. При выборе техники это видно по качеству портретного режима, скорости разблокировки лицом и сообразительности робота-пылесоса (объезжает ли он носки и провода). А с точки зрения приватности - помни, что камер с распознаванием лиц становится все больше.

Мифы

• Миф: Разблокировка лицом на всех телефонах одинаково безопасна. На самом деле: Нет. Обычная фронтальная камера надежна меньше, чем 3D-сканирование лица с инфракрасным датчиком.
• Миф: Компьютерное зрение видит так же, как человек. На самом деле: Его можно «обмануть» странным освещением, наклейками или необычным ракурсом.

Частые вопросы

Распознает ли галерея лица без интернета?

Во многих телефонах да - анализ происходит на устройстве.

Как робот-пылесос видит носки?

Через камеру и нейросеть, обученную распознавать типичные препятствия.

Можно ли отключить распознавание лиц в галерее?

Обычно да, в настройках приложения.

Связанные термины

Мультимодальная модель, Вычислительная фотография, Лидар, Автономная навигация