Estymacja pozy to technika widzenia komputerowego, która określa postawę ciała ludzi albo położenie i orientację obiektów na obrazach lub w wideo. Zazwyczaj model wykrywa punkty kluczowe, takie jak barki, łokcie i kolana, i łączy je w szkielet. Stosuje się ją na przykład w aplikacjach fitness sprawdzających ćwiczenia, w analizie ergonomii stanowisk pracy, w analityce sportowej i w robotyce.
Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.
Uruchom demoWidzenie komputerowe (computer vision) to dziedzina AI, w której komputery interpretują obrazy i nagrania wideo. Typowe zadania obejmują wykrywanie i lokalizowanie obiektów, odczytywanie tekstu na obrazach oraz pomiary komponentów. Technologię tę wykorzystuje się na przykład w kontroli jakości w produkcji, w systemach wspomagania kierowcy, w logistyce i w diagnostyce obrazowej w medycynie.
Rozpoznawanie obrazów to dziedzina widzenia komputerowego, w której oprogramowanie identyfikuje, co przedstawia obraz – obiekty, osoby, tekst, logotypy lub sceny. Zazwyczaj opiera się na sieciach neuronowych wytrenowanych na dużej liczbie oznaczonych obrazów. Zastosowania obejmują kontrolę jakości w produkcji, sortowanie zdjęć produktów i wspomaganie diagnostyki obrazowej w medycynie. W przypadku zdjęć osób szczególnej uwagi wymagają ochrona danych i możliwa stronniczość.
Estymacja głębi określa na podstawie obrazów, jak daleko od kamery znajdują się obiekty lub poszczególne piksele. Można to robić za pomocą dwóch kamer (stereo), czujników głębi lub – dzięki sieciom neuronowym – nawet z pojedynczego zdjęcia (monokularna estymacja głębi). Jest potrzebna w robotyce, systemach wspomagania kierowcy, rzeczywistości rozszerzonej i modelach 3D pomieszczeń.
Konwolucyjna sieć neuronowa (CNN) to architektura sieci neuronowej szczególnie dobrze przystosowana do danych obrazowych. Skanuje dane wejściowe za pomocą małych filtrów, wykrywając w pierwszych warstwach proste cechy, takie jak krawędzie, a w głębszych – bardziej złożone kształty. Sieci CNN przez wiele lat kształtowały rozpoznawanie obrazów i są wykorzystywane na przykład do wykrywania wad na zdjęciach produktów lub w analizie obrazów medycznych.
