{"id":3583,"date":"2024-01-29T13:29:30","date_gmt":"2024-01-29T12:29:30","guid":{"rendered":"https:\/\/staging.qtravel.ai\/?p=3583"},"modified":"2024-03-08T09:14:14","modified_gmt":"2024-03-08T08:14:14","slug":"wizja-komputerowa-computer-vision-przyklady-zastosowania-w-zyciu-i-biznesie","status":"publish","type":"post","link":"https:\/\/www.qtravel.ai\/pl\/blog\/wizja-komputerowa-computer-vision-przyklady-zastosowania-w-zyciu-i-biznesie\/","title":{"rendered":"Wizja Komputerowa (Computer Vision): Przyk\u0142ady zastosowania w \u017cyciu i biznesie"},"content":{"rendered":"

Wizja komputerowa od lat u\u0142atwia nam codzienne \u017cycie i prac\u0119. Kiedy ostatnio u\u017cywali\u015bcie funkcji rozpoznawania twarzy w telefonie lub mobilnej aplikacji skanowania dokument\u00f3w, korzystali\u015bcie w\u0142a\u015bnie z tej technologii.\u00a0<\/span><\/p>\n

Brzmi ciekawie? W tym artykule, zaczniemy od wyja\u015bnienia definicji Computer Vision oraz sposobu dzia\u0142ania, a nast\u0119pnie poka\u017cemy realne przyk\u0142ady jej zastosowa\u0144 \u2013 od codziennych urz\u0105dze\u0144 po zaawansowane systemy przemys\u0142owe.\u00a0<\/span><\/p>\n

Mamy nadziej\u0119, \u017ce dzi\u0119ki tej lekturze zobaczycie, jak wizja komputerowa mo\u017ce wp\u0142yn\u0105\u0107 na rozw\u00f3j Waszego biznesu i otworzy\u0107 nowe mo\u017cliwo\u015bci.\u00a0<\/span><\/p>\n

Czym jest Computer Vision?<\/span><\/h2>\n

Tradycyjnie, zacznijmy od definicji. Wizja komputerowa (ang. Computer Vision) to dziedzina sztucznej inteligencji, kt\u00f3ra – jak sama nazwa wskazuje – odpowiada za wykrywanie i interpretacj\u0119 danych wizualnych, takich jak obrazy cyfrowe czy nagrania wideo.<\/span><\/p>\n

Podobnie jak ludzie u\u017cywaj\u0105 oczu do postrzegania otoczenia, wizja komputerowa wykorzystuje sensory takie jak aparat czy kamera, aby odczytywa\u0107 okre\u015blone wzorce i obiekty. Nast\u0119pnie, analogicznie do ludzkiego m\u00f3zgu, system oparty na CV wykorzystuje r\u00f3\u017cne algorytmy, np. <\/span>sieci neuronowe<\/span><\/a> (a dok\u0142adniej: konwolucyjne sieci neuronowe), kt\u00f3re dzi\u0119ki mechanizmom inspirowanym dzia\u0142aniem kory wzrokowej, s\u0105\u00a0w stanie zidentyfikowa\u0107 zawarto\u015b\u0107 przetwarzanego obrazu.<\/span><\/p>\n

Dzi\u0119ki temu, oprogramowanie oparte na Computer Vision mo\u017ce m.in. odr\u00f3\u017cnia\u0107 przedmioty, rozpoznawa\u0107 twarze lub nawet czyta\u0107 i interpretowa\u0107 obrazy.\u00a0<\/span><\/p>\n

Jak dzia\u0142a wizja komputerowa?<\/span><\/h2>\n
\"\"
Por\u00f3wnanie widzenia przez cz\u0142owieka i komputer<\/figcaption><\/figure>\n

Przetwarzanie obraz\u00f3w<\/span><\/h3>\n

Aby lepiej zrozumie\u0107, czym jest Computer Vision, wyja\u015bnijmy krok po kroku, jak dzia\u0142a ten proces, na przyk\u0142adzie aplikacji do rozpoznawania zabytk\u00f3w.\u00a0<\/span><\/p>\n

1.Pozyskiwanie danych:<\/b> Pierwszym krokiem jest uzyskanie danych z odpowiedniego urz\u0105dzenia (sensora) umo\u017cliwiaj\u0105cego zarejestrowanie tego, co system ma zobaczy\u0107. Na przyk\u0142ad, dla aplikacji rozpoznaj\u0105cej zabytki, mo\u017ce to by\u0107 zdj\u0119cie wykonane za pomoc\u0105 aparatu w smartfonie.<\/span><\/p>\n

2.Przetwarzanie wst\u0119pne<\/b>: Surowe dane pozyskane z urz\u0105dze\u0144 s\u0105 cz\u0119sto dodatkowo modyfikowane w celu zapewnienia jednolitej postaci b\u0105d\u017a zwi\u0119kszenia jako\u015bci. Dla przyk\u0142adowej aplikacji u\u017cytkownicy mog\u0105 wykonywa\u0107 zdj\u0119cia aparatami o r\u00f3\u017cnej rozdzielczo\u015bci. W ramach przetwarzania wst\u0119pnego, wymiary obraz\u00f3w zostan\u0105 zmienione do ustalonej warto\u015bci. Dodatkowe techniki to m.in. normalizacja, odszumianie czy zmiana schematu kolor\u00f3w.<\/span><\/p>\n

3.Ekstrakcja cech<\/b>: Uzyskane dane s\u0105 przetwarzane przez wybrany algorytm w celu uzyskania z obrazu cech wyra\u017conych liczbami, na podstawie kt\u00f3rych mo\u017cliwe b\u0119dzie wykonanie docelowego zadania. Popularnym rozwi\u0105zaniem s\u0105 tu splotowe sieci neuronowe, specjalizuj\u0105ce si\u0119 w ekstrakcji cech z danych przestrzennych, takich jak obrazy poprzez wychwytywanie lokalnych zale\u017cno\u015bci pomi\u0119dzy s\u0105siaduj\u0105cymi ze sob\u0105\u00a0elementami (na przyk\u0142ad pikselami). W kolejnych warstwach wyodr\u0119bniane s\u0105 z obrazu cechy na coraz wi\u0119kszym poziomie abstrakcji. Najpierw wykrywane s\u0105 proste\/zakrzywione linie czy proste tekstury, a poprzez ich z\u0142o\u017cenie bardziej skomplikowane kszta\u0142ty i cechy. Dla aplikacji rozpoznaj\u0105cej zabytki b\u0119d\u0105 to najprawdopodobniej materia\u0142y z jakiego jest wykonany dany obiekt, kszta\u0142t element\u00f3w (np. okien, kolumn, itp.) oraz ca\u0142ego budynku.\u00a0<\/span><\/p>\n

4.Podj\u0119cie decyzji<\/b>: Na podstawie cech wyodr\u0119bnionych w poprzednim kroku, podejmowane s\u0105 okre\u015blone decyzje zale\u017cne od wykonywanego zadania. W przypadku aplikacji rozpoznaj\u0105cej zabytki b\u0119dzie to przypisanie do obrazu odpowiedniej nazwy. Inne mo\u017cliwe decyzje zwi\u0105zane s\u0105 z okre\u015bleniem rodzaju i pozycji obiekt\u00f3w na obrazie, b\u0105d\u017a przypisaniem etykiety do ka\u017cdego piksela (semantyczna segmentacja).<\/span><\/p>\n

Kroki 3 i 4 s\u0105 obecnie najcz\u0119\u015bciej rozwi\u0105zywane przy wykorzystaniu jednej sieci splotowej lub sieci w architekturze <\/span>Vision Transformer <\/span><\/a>(inspirowanej rozwi\u0105zaniem z dziedziny <\/span>przetwarzania j\u0119zyka<\/span><\/a>), w kt\u00f3rej wyodr\u0119bniane s\u0105 z obrazu cechy (np. za pomoc\u0105 warstw splotowych – krok 3), na podstawie kt\u00f3rych warstwy g\u0119sto po\u0142\u0105czone podejmuj\u0105 decyzj\u0119 (krok 4).<\/span><\/p>\n

Kluczowe techniki Computer Vision<\/span><\/h2>\n

Cho\u0107 wszystkie dotychczasowe artyku\u0142y z serii technologii AI posiada\u0142y s\u0142owniczek na ko\u0144cu artyku\u0142u, tym razem prze\u0142amiemy ten zwyczaj. Zrozumienie kluczowych technik wizji komputerowej pozwoli Wam bowiem lepiej zrozumie\u0107 to poj\u0119cie oraz p\u0142ynnie przej\u015b\u0107 do kolejnej cz\u0119\u015bci artyku\u0142u.\u00a0<\/span><\/p>\n

1.Klasyfikacja obrazu (ang. <\/b>image classification)<\/b>:<\/b> odnosi si\u0119 do przypisywania obraz\u00f3w do r\u00f3\u017cnych kategorii. Technologia ta jest u\u017cywana do identyfikowania i kwalifikowania obraz\u00f3w <\/span>na podstawie ich zawarto\u015bci. Algorytm przypisuje obrazom prawdopodobie\u0144stwo przynale\u017cno\u015bci do ka\u017cdej klasy, je\u017celi – przyk\u0142adowo – na obrazie znajduje si\u0119 kot, to najbardziej prawdopodobne powinny by\u0107 klasy: kot, zwierz\u0119 czy zwierz\u0119 domowe.<\/span><\/p>\n

\"\"
Klasyfikacja obrazu (fontanna). Wykrywanie obraz\u00f3w (element krajobrazu, fontanna, budynek historyczny)<\/figcaption><\/figure>\n

2.Lokalizacja obiekt\u00f3w (ang. object localization):<\/b> Ta technika umo\u017cliwia okre\u015blenie gdzie obiekty znajduj\u0105 si\u0119 na zdj\u0119ciu lub wideo (ale bez przypisania do nich klasy). Najcz\u0119\u015bciej obiekty lokalizowane s\u0105 poprzez podanie prostok\u0105tnych obszar\u00f3w w kt\u00f3rych si\u0119 znajduj\u0105. <\/span><\/span><\/p>\n

3.Wykrywanie obiekt\u00f3w (ang. object detection):<\/b> Ta technika odpowiada na pytanie, gdzie i jakie obiekty znajduj\u0105 si\u0119 na zdj\u0119ciach lub wideo. Polega na po\u0142\u0105czeniu technik lokalizacji i klasyfikacji w celu wykrycia obiekt\u00f3w na obrazach lub filmach. Jest cz\u0119sto wykorzystywana do znajdowania interesuj\u0105cych fragment\u00f3w na obrazach, kt\u00f3re mog\u0105 by\u0107 nast\u0119pnie analizowane bardziej szczeg\u00f3\u0142owo. Mo\u017ce by\u0107 przydatna na przyk\u0142ad w wykrywaniu gatunk\u00f3w zwierz\u0105t w ich naturalnym \u015brodowisku dla cel\u00f3w badawczych lub ochrony przyrody.<\/span><\/p>\n

4.\u015aledzenie obiekt\u00f3w (ang. object tracking):<\/b> odnosi si\u0119 do materia\u0142\u00f3w wideo i polega na \u015bledzeniu (skojarzeniu wyst\u0105pie\u0144) tych samych obiekt\u00f3w w kolejnych klatkach filmu, na przyk\u0142ad \u015bledzenie ruchu pojazd\u00f3w.<\/span><\/p>\n

5.Wyszukiwanie obraz\u00f3w na podstawie zawarto\u015bci (ang. content-based image retrieval)<\/b>: przegl\u0105danie, wyszukiwanie i pobieranie danych z du\u017cych zbior\u00f3w na podstawie zawarto\u015bci obrazu wej\u015bciowego. Metoda ta jest g\u0142\u00f3wnie u\u017cywana w zarz\u0105dzaniu cyfrowymi zasobami i w celach badawczych. Popularn\u0105\u00a0aplikacj\u0105, kt\u00f3ra z niej korzysta jest <\/span>Google Lens<\/span><\/a>.<\/span><\/p>\n

6.Identyfikacja (ang. identification)<\/b>: technika okre\u015blaj\u0105ca, jaki konkretny egzemplarz danego obiektu znajduje si\u0119 na obrazie. Jest to bardziej szczeg\u00f3\u0142owa forma klasyfikacji skoncentrowana na pojedynczym wyst\u0105pieniu unikatowego obiektu danej klasy. Na przyk\u0142ad, identyfikacja mo\u017ce obejmowa\u0107 rozpoznanie konkretnej twarzy lub odcisku palca danej osoby na potrzeby uwierzytelniania biometrycznego.\u00a0<\/span><\/p>\n

7.Segmentacja semantyczna (ang. semantic segmentation)<\/b>: podzia\u0142 obrazu na segmenty, gdzie ka\u017cdy segment reprezentuje r\u00f3\u017cne klasy obiekt\u00f3w. Zadaniem tej techniki jest przypisanie ka\u017cdemu pikselowi konkretnej klasy. Dla zastosowania zrozumienia otoczenia w pojazdach autonomicznych, przyk\u0142adowe klasy pikseli to jezdnia, chodnik, pasy, budynek, itp.<\/span><\/p>\n

8.Segmentacja instancji (ang. instance segmentation): <\/b>proces polegaj\u0105cy na identyfikacji i oddzieleniu ka\u017cdego indywidualnego obiektu w obrazie. W odr\u00f3\u017cnieniu od segmentacji semantycznej, segmentacja instancji rozpoznaje ka\u017cd\u0105 unikaln\u0105 instancj\u0119 obiektu w obr\u0119bie tej samej kategorii. Na przyk\u0142ad, potrafi oddzieli\u0107 ka\u017cd\u0105 osob\u0119 w t\u0142umie, mimo \u017ce wszystkie nale\u017c\u0105 do kategorii \u201eludzie\u201d. Jest to u\u017cyteczne w aplikacjach wymagaj\u0105cych precyzyjnego rozpoznawania dok\u0142adnej lokalizacji poszczeg\u00f3lnych obiekt\u00f3w , takich jak pojazdy w ruchu drogowym.<\/span><\/p>\n

9.Optyczne Rozpoznawanie Znak\u00f3w (ang. OCR – Optical Character Recognition):<\/b> umo\u017cliwia maszynom rozpoznawanie i interpretacj\u0119 tekstu z obraz\u00f3w lub dokument\u00f3w. Przekszta\u0142ca tekst w formie wizualnej na wersj\u0119 edytowaln\u0105 w cyfrowy formacie (np. plik tekstowy). Mo\u017cliwe jest rozpoznanie znak\u00f3w z r\u00f3\u017cnych \u017ar\u00f3de\u0142, takich jak skany dokument\u00f3w, zdj\u0119cia tekstu pisanego odr\u0119cznie czy pliki PDF, co niweluje potrzeb\u0119 r\u0119cznego przepisywania tre\u015bci od pocz\u0105tku.<\/span><\/p>\n

    <\/ol>\n

    Przyk\u0142ady system\u00f3w wykorzystuj\u0105cych Computer Vision (CV), kt\u00f3rych u\u017cywamy w \u017cyciu codziennym<\/span><\/h2>\n

    Cho\u0107 z pozoru technologia Computer Vision mo\u017ce wydawa\u0107 si\u0119 czym\u015b odleg\u0142ym, zaraz przekonasz si\u0119, \u017ce tak nie jest. Oto kilka najbardziej popularnych zastosowa\u0144 tej technologii w \u017cyciu codziennym:<\/span><\/p>\n

    1.System rozpoznawania twarzy w smartfonach: <\/b>Nowoczesne urz\u0105dzenia takie jak smartfony czy tablety wykorzystuj\u0105 wizj\u0119 komputerow\u0105 do bezpiecznego odblokowywania ekranu poprzez rozpoznawanie twarzy u\u017cytkownika.<\/span><\/p>\n

    2.Systemy monitoringu:<\/b> Computer vision jest u\u017cywana w systemach kamer bezpiecze\u0144stwa, umo\u017cliwiaj\u0105c wykrywanie ruchu, rozpoznawanie os\u00f3b i pojazd\u00f3w, a nawet \u015bledzenie podejrzanych dzia\u0142a\u0144.<\/span><\/p>\n

    3.T\u0142umacz Google:<\/b> Aplikacja posiada funkcj\u0119, kt\u00f3ra pozwala u\u017cytkownikom skierowa\u0107 kamer\u0119 smartfona na tekst w innym j\u0119zyku i niemal natychmiast otrzyma\u0107 jego t\u0142umaczenie. Wynik ten otrzymujemy dzi\u0119ki po\u0142\u0105czonym technikom Optycznego Rozpoznawania Znak\u00f3w (OCR) oraz <\/span>Przetwarzania J\u0119zyka Naturalnego<\/span><\/a> (NLP).<\/span><\/p>\n

    4.Aplikacje do rozpoznawania ro\u015blin: <\/b>Aplikacje takie jak <\/span>PlantSnap<\/span><\/a> umo\u017cliwiaj\u0105 u\u017cytkownikom fotografowa\u0107 ro\u015bliny w celu uzyskania informacji, takich jak nazwa ro\u015bliny, choroba z jak\u0105 si\u0119 zmaga oraz porady na temat piel\u0119gnacji.\u00a0<\/span><\/p>\n

    5.Systemy asystuj\u0105ce w samochodach:<\/b> Nowoczesne samochody s\u0105 wyposa\u017cone w systemy wykorzystuj\u0105ce wizj\u0119 komputerow\u0105 do monitorowania martwych punkt\u00f3w, asystowania przy parkowaniu czy ostrzegania o potencjalnych zderzeniach.<\/span><\/p>\n

    6.Aplikacje do skanowania i edycji dokument\u00f3w:<\/b> Aplikacje takie jak <\/span>Adobe Scan<\/span><\/a> czy <\/span>CamScanner<\/span><\/a> pozwalaj\u0105 na skanowanie dokument\u00f3w za pomoc\u0105 kamery smartfona, z wykorzystaniem wizji komputerowej do automatycznego wykrywania kraw\u0119dzi dokumentu, poprawiania jako\u015bci obrazu czy stworzenia wersji edytowalnej.<\/span><\/p>\n

    Przyk\u0142ady zastosowania wizji komputerowej w r\u00f3\u017cnych bran\u017cach<\/span><\/h2>\n