Оценката на позата (pose estimation) е техника от компютърното зрение, която определя стойката на хора или положението и ориентацията на обекти в изображения или видео. Обикновено моделът открива ключови точки като рамене, лакти и колене и ги свързва в скелет. Използва се например във фитнес приложения, които проверяват упражненията, при анализ на ергономията на работното място, в спортната аналитика и в роботиката.
Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.
Стартирайте демотоКомпютърното зрение е област на ИИ, в която компютрите интерпретират изображения и видео. Типични задачи са откриване и локализиране на обекти, разчитане на текст в изображения и измерване на детайли. Технологията се използва например при контрола на качеството в производството, в системите за подпомагане на водача, в логистиката и в медицинската образна диагностика.
Разпознаването на изображения е област на компютърното зрение, в която софтуер определя какво показва едно изображение – обекти, хора, текст, лога или сцени. Обикновено се основава на невронни мрежи, обучени върху голям брой етикетирани изображения. Приложенията варират от контрол на качеството в производството и сортиране на продуктови снимки до подпомагане на медицинската образна диагностика. При изображения на хора особено внимание изискват защитата на данните и възможните пристрастия.
Оценката на дълбочината определя от изображения колко далеч от камерата са обектите или отделните пиксели. Това може да стане с две камери (стерео), със сензори за дълбочина или, с помощта на невронни мрежи, дори от една-единствена снимка (монокулярна оценка на дълбочината). Нужна е в роботиката, системите за подпомагане на водача, добавената реалност и 3D моделите на помещения.
Конволюционната невронна мрежа (CNN) е архитектура на невронни мрежи, особено подходяща за данни от изображения. Тя обхожда входните данни с малки филтри, като в първите слоеве открива прости признаци като ръбове, а в по-дълбоките – по-сложни форми. Години наред CNN определяха развитието на разпознаването на изображения и се използват например за откриване на дефекти в продуктови снимки или при анализа на медицински изображения.
