Datorseende är ett område inom AI där datorer tolkar bilder och video. Typiska uppgifter är att upptäcka och lokalisera föremål, läsa text i bilder och mäta komponenter. Tekniken används till exempel för kvalitetskontroll i tillverkningen, i förarassistanssystem, inom logistik och vid medicinsk bilddiagnostik.
Bildigenkänning är ett område inom datorseende där programvara identifierar vad en bild visar – föremål, personer, text, logotyper eller scener. Den bygger oftast på neurala nätverk som tränats på stora mängder märkta bilder. Användningsområdena sträcker sig från kvalitetskontroll i tillverkningen och sortering av produktfoton till stöd vid medicinsk bilddiagnostik. Vid bilder på människor kräver dataskydd och möjlig bias särskild uppmärksamhet.
Ett faltningsnätverk (convolutional neural network, CNN) är en arkitektur för neurala nätverk som är särskilt lämpad för bilddata. Det skannar indata med små filter och upptäcker enkla drag som kanter i de första lagren och mer komplexa former i djupare lager. CNN:er präglade bildigenkänningen i många år och används till exempel för att hitta defekter i produktfoton eller vid medicinsk bildanalys.
OpenCV (Open Source Computer Vision Library) är ett programbibliotek med öppen källkod för bildbehandling och datorseende, vars utveckling började hos Intel omkring 2000. Det erbjuder tusentals funktioner, till exempel för att filtrera bilder, upptäcka kanter och ansikten, spåra objekt i video eller kalibrera kameror. OpenCV är skrivet i C++ men används ofta via Python, till exempel inom kvalitetskontroll, robotik och forskning.
Semantisk segmentering tilldelar varje enskild pixel i en bild en klass, till exempel väg, fordon, person eller himmel. Resultatet är en sorts färgkodad karta över bildens innehåll. Till skillnad från instanssegmentering skiljs inte objekt av samma typ åt: tre bilar behandlas gemensamt som ”bil”. Den används till exempel vid autonom körning, inom medicinsk bildbehandling för att avgränsa vävnad och vid analys av flyg- och satellitbilder.
