Компьютерное зрение — одна из способностей искусственного интеллекта. Благодаря глубокому машинному обучению «зрение» позволяет нейросети распознавать и идентифицировать образы на изображениях и видео. Computer vision (CV) начинает работать, когда мы пользуемся Face ID, поиском по картинке или открываем камеру, чтобы отсканировать карту или номер телефона для перевода. Подробнее о том, как это происходит, мы рассказали в отдельной статье.

Кроме смартфонов computer vision живёт в рентгеновских аппаратах, беспилотных автомобилях, системах видеонаблюдения, камерах сортировочных центров, используется в робототехнике и много где ещё.

Например, в 2021 году сеть российских супермаркетов начала использовать весы самообслуживания с интегрированным искусственным интеллектом. Больше не нужно запоминать код для взвешивания бананов или ждать, когда вам поможет кассир. Весы оснащены камерой, которая фиксирует изображение и делает фото продуктов на платформе. Данные отправляются на аналитический сервер, где обученный алгоритм распознаёт товар (даже в пакете!) и выводит на экран 2–3 предположения. Это самообучающаяся нейросеть, точность её распознавания — 97%. Покупателю остаётся только выбрать правильный вариант.

Непрерывное внедрение новых технологий и тенденция перманентного развития ИИ и машинного обучения даёт возможность интегрировать новые разработки во всё большее количество отраслей. Компьютерное зрение учится новому и расширяет набор навыков за счёт оптимизации и эволюции алгоритмов глубокого машинного обучения и постоянного апгрейда в архитектуре свёрточных нейросетей. Так оно становится полноценной и постоянной частью жизни.

Синтетические данные и генеративный ИИ. Генеративные алгоритмы искусственного интеллекта продемонстрировали свою универсальность в трансформации различных направлений разработки, включая компьютерное зрение. Сегодня одно из ключевых течений в этой области — использование генеративных моделей для создания синтетических данных. Эти данные могут использоваться для обучения систем распознавания лиц и объектов. Такой подход сократит затраты на разработку и поддержание программ и минимизирует риски, связанные с конфиденциальностью. Кроме того, генеративный ИИ обещает значительно ускорить и упростить процесс маркировки обучающих данных, который сейчас происходит вручную и оказывается длительным и дорогостоящим.

Новые способы передачи данных. В 2024 году внимание разработчиков сосредоточено на технологиях компьютерного зрения, которые дают возможность устройствам обрабатывать изображения и видео локально и без задержек. Постепенно появляются новые перспективы в использовании автономного транспорта и системы безопасности, где требуется мгновенная реакция программы. В этом году будет активно развиваться разработка миниатюрных моделей CV. Их основная цель — повышенная энергоэффективность и адаптация к работе на портативных устройствах. Такие инновации снизят требования к пропускной способности, что сделает гаджеты с функцией CV более доступными и удобными в использовании.

Автономные автомобили. Традиционные технологии создания самоуправляемых автомобилей основаны на данных, поступающих из различных источников, включая камеры, радары и GPS. Но люди управляют автомобилями только с помощью зрения и слуха, так почему компьютеры не могут делать то же самое? Достижения в области компьютерного зрения уже используются в прототипах и серийных автомобилях.

Компьютерное зрение в здравоохранении. Врачи и исследователи в области медицины используют CV для ускорения анализа изображений и сканов, чтобы более эффективно выявлять и диагностировать заболевания. Алгоритмы умеют отличать раковые ткани от здоровых и собирать данные о пациентах для облегчения ведения записей. Компьютерное зрение также используется для мониторинга хирургических процедур. Один из примеров использования — отслеживание расположения хирургических инструментов во время операции, чтобы убедиться, что они случайно не остались внутри пациента.

Дополненная реальность. Компьютерное зрение играет важную роль в дополненной реальности, позволяя компьютерам воспринимать визуальную информацию и накладывать её на цифровую. В 2024 году на рынке появились множество новых устройств дополненной реальности, в том числе долгожданные очки от Apple.

Анализ контекста в режиме реального времени. Компьютерное зрение в режиме реального времени уже используется для сканирования толпы в поисках признаков потенциальных проблем, таких как перенаселённость, анализа видеозаписей с камер видеонаблюдения на предмет наличия злоумышленников или других угроз, а также для мониторинга оборудования в заводских цехах с целью определения уровня безопасности. Алгоритмы скоро смогут более целостно понимать и интерпретировать контекст, в котором появляются объекты. Камера с компьютерным зрением может заранее зафиксировать признаки готовящегося нападения и включить сигнал тревоги.

Компьютерное зрение на спутнике. Запуск и эксплуатация спутников становятся дешевле, а изображения, которые они получают, — всё более сложными и информативными. Применяя технологию CV к изображениям из космоса, можно отслеживать разные экологические явления: вырубку лесов, распространение наводнений и лесных пожаров, разрастание городов, уровень загрязнения окружающей среды, миграцию морских обитателей. Со временем спутниковые снимки будут становиться всё более точными и подробными, а алгоритмы CV — более сложными. Люди смогут своевременно принимать меры и эффективно использовать ресурсы.

В итоге

Будущее алгоритмов компьютерного зрения связано не только с технологическими достижениями, но и с решением этических проблем, улучшением пользовательского опыта и интеграцией с другими технологиями и дисциплинами. По мере того как алгоритмы становятся всё более сложными и наращивают разные навыки, увеличивается и их роль в повседневной жизни.