A testtartás-becslés (pose estimation) olyan gépi látási technika, amely képeken vagy videókon meghatározza az emberek testtartását, illetve a tárgyak helyzetét és tájolását. A modell jellemzően kulcspontokat – például vállakat, könyököket és térdeket – ismer fel, és vázzá köti össze őket. Használják például a gyakorlatokat ellenőrző fitneszalkalmazásokban, a munkahelyi ergonómiai elemzésben, a sportanalitikában és a robotikában.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaA számítógépes látás az MI olyan területe, amelyben a számítógépek képeket és videókat értelmeznek. Jellemző feladat a tárgyak felismerése és helyének meghatározása, a képeken lévő szöveg kiolvasása és az alkatrészek méretének mérése. A technológiát például a gyártási minőségellenőrzésben, a vezetéstámogató rendszerekben, a logisztikában és az orvosi képalkotásban használják.
A képfelismerés a számítógépes látás olyan területe, amelyben a szoftver azonosítja, mit ábrázol egy kép – tárgyakat, embereket, szöveget, logókat vagy jeleneteket. Általában nagyszámú címkézett képen tanított neurális hálózatokon alapul. Az alkalmazások a gyártási minőségellenőrzéstől és a termékfotók rendezésétől az orvosi képalkotás támogatásáig terjednek. Embereket ábrázoló képek esetén az adatvédelem és a lehetséges torzítás különös figyelmet igényel.
A mélységbecslés képekből határozza meg, milyen messze vannak a tárgyak vagy az egyes képpontok a kamerától. Ez történhet két kamerával (sztereó), mélységérzékelőkkel, vagy neurális hálózatok segítségével akár egyetlen fotóból is (monokuláris mélységbecslés). Szükség van rá a robotikában, a vezetéstámogató rendszerekben, a kiterjesztett valóságban és helyiségek 3D-modelljeihez.
A konvolúciós neurális hálózat (CNN) a képadatokhoz különösen alkalmas neurálishálózat-architektúra. A bemenetet kis szűrőkkel pásztázza végig: az első rétegekben egyszerű jellemzőket, például éleket, a mélyebbekben összetettebb formákat ismer fel. A CNN-ek hosszú éveken át meghatározták a képfelismerést, és például termékfotókon lévő hibák kiszűrésére vagy orvosi képelemzésre használják őket.
