Procjena poze tehnika je računalnog vida koja na slikama ili videu određuje držanje ljudi ili položaj i orijentaciju objekata. Model obično otkriva ključne točke poput ramena, laktova i koljena te ih spaja u kostur. Koristi se, primjerice, u fitness aplikacijama koje provjeravaju vježbe, u analizi ergonomije na radnom mjestu, u sportskoj analitici i u robotici.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoRačunalni vid područje je UI-ja u kojem računala interpretiraju slike i video. Tipični zadaci uključuju otkrivanje i lociranje objekata, čitanje teksta na slikama i mjerenje komponenti. Tehnologija se koristi, primjerice, u kontroli kvalitete u proizvodnji, u sustavima za pomoć vozaču, u logistici i u medicinskom snimanju.
Prepoznavanje slika područje je računalnog vida u kojem softver prepoznaje što slika prikazuje – objekte, osobe, tekst, logotipe ili prizore. Obično se temelji na neuronskim mrežama naučenima na velikom broju označenih slika. Primjene sežu od kontrole kvalitete u proizvodnji i razvrstavanja fotografija proizvoda do podrške medicinskom snimanju. Kod slika ljudi posebnu pozornost zahtijevaju zaštita podataka i moguća pristranost.
Procjena dubine na temelju slika određuje koliko su objekti ili pojedini pikseli udaljeni od kamere. To je moguće pomoću dviju kamera (stereo), senzora dubine ili, uz neuronske mreže, čak i iz jedne fotografije (monokularna procjena dubine). Potrebna je u robotici, sustavima pomoći vozaču, proširenoj stvarnosti i 3D modelima prostorija.
Konvolucijska neuronska mreža (CNN) arhitektura je neuronske mreže osobito prikladna za slikovne podatke. Ulaz pretražuje malim filtrima, pri čemu u prvim slojevima otkriva jednostavna obilježja poput rubova, a u dubljima složenije oblike. CNN-ovi su godinama oblikovali prepoznavanje slika i koriste se, primjerice, za uočavanje nedostataka na fotografijama proizvoda ili u analizi medicinskih slika.
