Poseestimering är en teknik inom datorseende som bestämmer kroppshållningen hos människor, eller läget och orienteringen hos objekt, i bilder eller video. Vanligtvis identifierar en modell nyckelpunkter som axlar, armbågar och knän och binder ihop dem till ett skelett. Den används till exempel i träningsappar som kontrollerar övningar, i ergonomianalys på arbetsplatser, i sportanalys och inom robotik.
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.
Djupuppskattning avgör utifrån bilder hur långt bort objekt eller enskilda pixlar är från kameran. Det kan göras med två kameror (stereo), med djupsensorer eller, med hjälp av neurala nätverk, till och med utifrån ett enda foto (monokulär djupuppskattning). Det behövs inom robotik, förarstöd, förstärkt verklighet och 3D-modeller av rum.
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.
