Задаци рачунарског вида обухватају методе за стицање, обраду, анализу и разумевање дигиталних слика, и екстракцију високодимензионалних података из стварног света како би се произвеле нумеричке или симболичке информације, нпр. у форми одлука. Разумевање у овом контексту значи трансформацију визуелних слика у описе који имају смисла за мисаоне процесе и могу да изазову одговарајућу акцију. Ово разумевање слике може се посматрати као раздвајање симболичких информација од података слике коришћењем модела конструисаних уз помоћ геометрије, физике, статистике и теорије учења.
Научна дисциплина рачунарског вида бави се теоријом која стоји иза вештачких система који извлаче информације из слика. Подаци о слици могу имати различите облике, као што су видео секвенце, прикази са више камера, вишедимензионални подаци са 3Д скенера, 3Д скупови тачака са ЛиДаР сензора или медицински уређаји за скенирање. Технолошка дисциплина рачунарског вида настоји да примени своје теорије и моделе на конструкцију система рачунарског вида.
Под-домени рачунарског вида укључују реконструкцију сцена, детекцију објеката, детекцију догађаја, препознавање активности, видео праћење, препознавање објеката, 3Д процену положаја, учење, индексирање, процену покрета, 3Д моделирање сцене и рестаурацију слике.
Усвајање технологије рачунарског вида може бити мукотрпно за организације јер за то не постоји јединствено решење. Постоји врло мало компанија које обезбеђују јединствену и дистрибуирану платформу или оперативни систем где се апликације рачунарског вида могу лако применити.
Дефиниција Рачунарски вид је интердисциплинарно поље које се бави начином на који се рачунари могу направити да стекну разумевање на високом нивоу из дигиталних слика или видео записа. Из перспективе инжењерства, он настоји да аутоматизује задатке које људско чуло вида може да уради. "Рачунарски вид се бави аутоматским издвајањем, анализом и разумевањем корисних информација из једне слике или низа слика. То укључује развој теоријске и алгоритамске основе за постизање аутоматског визуелног разумевања." Као научна дисциплина, рачунарски вид се бави теоријом која стоји иза вештачких система који извлаче информације из слика. Подаци о слици могу имати различите облике, као што су видео секвенце, прикази са више камера или вишедимензионални подаци са медицинских скенера. Као технолошка дисциплина, рачунарски вид настоји да примени своје теорије и моделе за конструкцију система рачунарског вида. Машински вид се односи на дисциплину системског инжењеринга, посебно у контексту аутоматизације фабрика. У новије време термини рачунарски вид и машински вид су се у већој мери приближили.
Историја Касних 1960-их, рачунарски вид је почео на универзитетима који су били пионири у вештачкој интелигенцији. Требало је да опонаша људско чуло вида, као одскочна даска за креирање робота са интелигентним понашањем. Године 1966. веровало се да се то може постићи кроз летњи пројекат дипломских студија тако што би се камера прикључила на рачунар и дала му да „опише шта је видела“.
Оно што је рачунарски вид разликовало од преовлађујуће области дигиталне обраде слика у то време била је жеља да се из слика издвоји тродимензионална структура са циљем постизања потпуног разумевања сцене. Студије из 1970-их формирале су рану основу за многе алгоритме рачунарског вида који постоје данас, укључујући издвајање ивица из слика, означавање линија, неполиедарско и полиедарско моделирање, представљање објеката као међувезе мањих структура, оптички ток и процена кретања.
Следеће деценије биле су студије засноване на ригорознијој математичкој анализи и квантитативним аспектима рачунарског вида. То укључује концепт скалираног простора, закључивање облика из различитих знакова као што су сенчење, текстура и фокус, и контурни модели познати као змије. Истраживачи су такође схватили да се многи од ових математичких концепата могу третирати унутар истог оквира оптимизације као регуларизација и Марковљева насумична поља. До 1990-их, неке од претходних истраживачких тема постале су активније од других. Истраживање пројективних 3Д реконструкција довело је до бољег разумевања калибрације камере. Са појавом метода оптимизације за калибрацију камере, увидело се да су многе идеје већ истражене у теорији подешавања пакета из области фотограметрије. Ово је довело до метода за ретке 3Д реконструкције сцена са више слика. Напредак је постигнут у проблему густе стерео кореспонденције и даљим стерео техникама са више приказа. Истовремено, варијације резања графикона су коришћене за решавање сегментације слике. Ова деценија је такође означила први пут да су технике статистичког учења коришћене у пракси за препознавање лица на сликама. Крајем 1990-их дошло је до значајне промене са повећаном интеракцијом између поља рачунарске графике и рачунарског вида. Ово је укључивало рендеровање засновано на слици, преобликовање слике, интерполацију приказа, спајање панорамских слика и рано приказивање светлосног поља.
Недавни рад је доживео поновну појаву метода заснованих на карактеристикама, које се користе заједно са техникама машинског учења и сложеним оквирима за оптимизацију. Напредак техника дубоког учења донео је даљи живот пољу рачунарског вида. Тачност алгоритама дубоког учења на неколико референтних скупова података рачунарског вида за задатке који се крећу од класификације, сегментације и оптичког тока надмашила је претходне методе.
Повезане области
Физика чврстог стања Физика чврстог стања је још једна област која је уско повезана са рачунарским видом. Већина система рачунарског вида ослања се на сензоре слике, који детектују електромагнетно зрачење, које је обично у облику видљиве или инфрацрвене светлости. Сензори су дизајнирани помоћу квантне физике. Процес којим светлост ступа у интеракцију са површинама објашњава се помоћу физике. Физика објашњава понашање оптике која је суштински део већине система за снимање. Софистицирани сензори слике захтевају чак и квантну механику да би пружили потпуно разумевање процеса формирања слике. Такође, различити проблеми мерења у физици могу се решити коришћењем рачунарског вида, на пример, кретање у течностима.
Неуробиологија Неуробиологија је у великој мери утицала на развој алгоритама рачунарског вида. Током прошлог века, било је опсежно проучавање очију, неурона и можданих структура посвећених обради визуелних стимуланса и код људи и код разних животиња. Ово је довело до грубог, али замршеног описа како природно чуло вида функционише у циљу решавања одређених задатака у вези са видом. Ови резултати су довели до под-области у рачунарском виду где су вештачки системи дизајнирани да опонашају обраду и понашање биолошких система на различитим нивоима сложености. Такође, неке од метода заснованих на учењу развијене у оквиру рачунарског вида (нпр. неуронска мрежа и анализа и класификација слика и карактеристика заснованих на дубоком учењу) имају своју позадину у неуробиологији. Неокогнитрон, неуронска мрежа коју је 1970-их развио Кунихико Фукушима, рани је пример рачунарског вида који узима директну инспирацију из неуробиологије, посебно примарног визуелног кортекса.
Неки правци истраживања рачунарског вида су уско повезани са проучавањем биолошког вида – заиста, као што су многи правци истраживања вештачке интелигенције уско повезани са истраживањем људске интелигенције и употребом ускладиштеног знања за тумачење, интеграцију и коришћење визуелних информација. Област биолошког вида проучава и моделира физиолошке процесе иза визуелне перцепције код људи и других животиња. Рачунарски вид, с друге стране, развија и описује алгоритме имплементиране у софтвер и хардвер иза система вештачког вида. Интердисциплинарна размена између биолошке и компјутерске визије показала се плодном за обе области.
Обрада сигнала Још једно поље везано за рачунарски вид је обрада сигнала. Многе методе за обраду сигнала са једном променљивом, типично временских сигнала, могу се на природан начин проширити на обраду сигнала са две променљиве или сигнала са више варијабли у компјутерском виду. Међутим, због специфичне природе слика, постоји много метода развијених у рачунарском виду које немају пандан у обради сигнала са једном променљивом. Заједно са вишедимензионалношћу сигнала, ово дефинише под-област у обради сигнала као део рачунарског вида.
Роботска навигација Роботска навигација се понекад бави аутономним планирањем путање или промишљањем роботских система за навигацију кроз окружење. За навигацију кроз њих потребно је детаљно разумевање ових окружења. Информације о животној средини може да обезбеди рачунарски систем за вид, који делује као сензор вида и пружа информације високог нивоа о окружењу и роботу.
Остале области Поред горе наведених ставова о рачунарском виду, многе од сродних истраживачких тема могу се проучавати и са чисто математичке тачке гледишта. На пример, многе методе у рачунарском виду су засноване на статистици, оптимизацији или геометрији. Коначно, значајан део области посвећен је аспекту имплементације рачунарског вида; како се постојеће методе могу реализовати у различитим комбинацијама софтвера и хардвера, или како се ове методе могу модификовати да би се добила брзина обраде без превише губитка перформанси. Рачунарски вид се такође користи у модној е-трговини, управљању залихама, претраживању патената, намештају и индустрији лепоте.
Разлике Области које су најближе рачунарском виду су обрада слике, анализа слике и машински вид. Постоји значајно преклапање у распону техника и апликација које ове области покривају. То имплицира да су основне технике које се користе и развијају у овим областима сличне, што се може протумачити да постоји само једно поље са различитим називима. С друге стране, чини се да је неопходно да се истраживачке групе, научни часописи, конференције и компаније представе или пласирају као особе које припадају једној од ових области и, стога, имају различите карактеризације које разликују сваку од области од осталих. представљено. У обради слике, улаз је слика, а излаз је такође слика, док се у рачунарском виду слика или видео узимају као улаз и излаз може бити побољшана слика, разумевање садржаја слике или чак понашање рачунарског система заснованог на таквом разумевању.
Рачунарска графика производи сликовне податке из 3Д модела, а компјутерски вид често производи 3Д моделе из података слике. Такође постоји тренд ка комбинацији ове две дисциплине, на пример, како се истражује у проширеној стварности.
Чини се да су следеће карактеристике релевантне, али их не треба узимати као универзално прихваћене:
Обрада слике и анализа слике имају тенденцију да се фокусирају на 2Д слике, како да трансформишу једну слику у другу, на пример, операцијама у пикселима као што је побољшање контраста, локалним операцијама као што је екстракција ивица или уклањање шума, или геометријске трансформације као што је ротирање слике. Ова карактеризација имплицира да обрада/анализа слике не захтева претпоставке нити производи интерпретације садржаја слике. Рачунарски вид укључује 3Д анализу из 2Д слика. Ово анализира 3Д сцену пројектовану на једну или више слика, на пример, како реконструисати структуру или друге информације о 3Д сцени са једне или више слика. Рачунарски вид се често ослања на мање или више сложене претпоставке о сцени приказаној на слици.