Компьютерное зрение: как ИИ видит
Главная идея: компьютер не «видит» картинку так, как вы. Для компьютера любое изображение — это просто огромная сетка чисел. Компьютерное зрение — это раздел искусственного интеллекта, который превращает эти сырые числа в смысл: «это кошка», «слева пешеход», «эта родинка выглядит подозрительно». Понимание выстраивается послойно: от крошечных границ к простым формам, затем к частям объектов и, наконец, к целым объектам.
К концу урока вы сможете:
- Объяснить, как изображение хранится в виде сетки чисел-пикселей и что означает RGB.
- Описать иерархию признаков: границы формы части объекты.
- Различать четыре главные задачи зрения: классификацию, обнаружение, сегментацию и распознавание лиц.
- Назвать реальные применения: разблокировка телефона, медицинские снимки, беспилотные автомобили, сортировка урожая, охрана.
- Объяснить, где системы зрения ошибаются: необычные ракурсы, плохое освещение, состязательные наклейки и несбалансированные наборы лиц.
1. Изображение — это сетка чисел
Увеличьте любую цифровую фотографию достаточно сильно — и она рассыплется на крошечные цветные квадратики, называемые пикселями (от английского "picture elements" — «элементы картинки»). Каждый пиксель хранит число — или несколько чисел, — описывающее его яркость и цвет. В фотографии современного телефона около 12 миллионов пикселей; это 12 миллионов маленьких чисел (а в цвете — 36 миллионов), которые вместе образуют картинку.