Asennon arviointi (pose estimation) on konenäkötekniikka, joka määrittää ihmisten asennon tai kohteiden sijainnin ja suunnan kuvissa tai videossa. Tyypillisesti malli tunnistaa avainpisteitä, kuten hartiat, kyynärpäät ja polvet, ja yhdistää ne luurangoksi. Sitä käytetään esimerkiksi kuntosovelluksissa, jotka tarkistavat liikkeiden suoritusta, työpaikan ergonomia-analyysissa, urheiluanalytiikassa ja robotiikassa.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoKonenäkö on tekoälyn osa-alue, jossa tietokoneet tulkitsevat kuvia ja videota. Tyypillisiä tehtäviä ovat esineiden tunnistaminen ja paikantaminen, kuvissa olevan tekstin lukeminen ja komponenttien mittaaminen. Tekniikkaa käytetään esimerkiksi valmistuksen laadunvalvonnassa, kuljettajaa avustavissa järjestelmissä, logistiikassa ja lääketieteellisessä kuvantamisessa.
Kuvantunnistus on konenäön osa-alue, jossa ohjelmisto tunnistaa, mitä kuvassa on – esineitä, ihmisiä, tekstiä, logoja tai näkymiä. Se perustuu yleensä neuroverkkoihin, jotka on koulutettu suurella määrällä merkittyjä kuvia. Sovellukset vaihtelevat valmistuksen laadunvalvonnasta ja tuotekuvien lajittelusta lääketieteellisen kuvantamisen tukemiseen. Ihmisistä otettujen kuvien kohdalla tietosuoja ja mahdolliset vinoumat vaativat erityistä huomiota.
Syvyyden arviointi määrittää kuvista, kuinka kaukana kohteet tai yksittäiset pikselit ovat kamerasta. Se voidaan tehdä kahdella kameralla (stereo), syvyysantureilla tai neuroverkoilla jopa yhdestä valokuvasta (monokulaarinen syvyyden arviointi). Sitä tarvitaan robotiikassa, kuljettajan avustusjärjestelmissä, lisätyssä todellisuudessa ja huoneiden 3D-malleissa.
Konvoluutioneuroverkko (CNN) on neuroverkkoarkkitehtuuri, joka soveltuu erityisen hyvin kuvadataan. Se käy syötteen läpi pienillä suodattimilla, jolloin ensimmäiset kerrokset tunnistavat yksinkertaisia piirteitä, kuten reunoja, ja syvemmät kerrokset monimutkaisempia muotoja. Konvoluutioneuroverkot hallitsivat kuvantunnistusta monen vuoden ajan, ja niitä käytetään esimerkiksi tuotekuvien vikojen havaitsemiseen tai lääketieteelliseen kuva-analyysiin.
