Компьютердик көрүү: ЖИ кантип көрөт
Негизги идея: компьютер сүрөттү сиз көргөндөй "көрбөйт". Компьютер үчүн ар бир сүрөт — жөн гана чоң сандар торчосу. Компьютердик көрүү — жасалма интеллекттин ушул кайра иштелбеген сандарды маңызга айландырган тармагы: "бул — мышык", "сол жакта жөө адам бар", "бул калдын көрүнүшү шектүү". Ал түшүнүктү катмарлап курат: кичинекей чектерден — жөнөкөй формаларга, объекттин бөлүктөрүнө, андан соң бүтүн объекттерге.
Бул сабактын аягында сиз төмөнкүлөрдү үйрөнөсүз:
- Сүрөт пиксель сандарынын торчосу катары кантип сакталарын жана RGB эмнени билдирерин түшүндүрүү.
- Белгилер иерархиясын сүрөттөө: чектер формалар бөлүктөр объекттер.
- Көрүүнүн төрт негизги маселесин айырмалоо: классификация, детекция, сегментация жана жүздү таануу.
- Чыныгы колдонулуштарды атоо: телефонду ачуу, медициналык скандар, айдоочусуз унаалар, түшүмдү сорттоо, коопсуздук.
- Көрүү системалары кайсы учурларда жаңыларын түшүндүрүү: адаттан тыш ракурстар, начар жарык, адверсардык стикерлер жана бир жактуу жүз топтомдору.
1. Сүрөт — бул сандар торчосу
Каалаган санариптик сүрөттү жетишерлик чоңойтсоңуз, ал пикселдер (англисче "picture elements" — сүрөт элементтери) деп аталган майда түстүү чарчыларга ажырайт. Ар бир пиксель өзүнүн жарыктыгын жана түсүн сүрөттөгөн бир же бир нече санды сактайт. Заманбап телефондун сүрөтүндө болжол менен 12 миллион пиксель бар; демек, сүрөттү чогуу түзгөн 12 миллион кичинекей сан (түстүү сүрөттө — 36 миллион).