Widzenie komputerowe: jak AI „widzi” i rozumie obrazy
Widzenie komputerowe (computer vision) to dziedzina sztucznej inteligencji, która uczy komputery analizować obrazy i wideo: znajdować przedmioty, rozpoznawać twarze, tekst i ruch oraz budować obraz przestrzeni.
Prostymi słowami
Sam aparat widzi tylko miliony kolorowych kropek - jak mozaikę z bliska. Widzenie komputerowe to umiejętność zrobienia kroku w tył i powiedzenia: „Aha, to kot na kanapie, a tam leży pilot”. Człowiek robi to w mgnieniu oka, a maszyna musiała obejrzeć miliony opisanych zdjęć.
Jak to działa
- Aparat przekazuje obraz jako tabelę liczb - jasność i kolor każdego piksela.
- Sieć neuronowa szuka najpierw prostych cech: krawędzi, narożników, tekstur.
- Potem bardziej złożonych: oczu, kół, liter, sylwetek.
- Ustala, co jest na obrazie, gdzie dokładnie i, jeśli trzeba, jak się porusza.
- Wynik wykorzystują inne programy: aparat, robot, samochód, wyszukiwarka.
Gdzie to zobaczysz
Odblokowanie twarzą, sortowanie zdjęć w galerii według osób i przedmiotów, rozpoznawanie tekstu ze zdjęć, wyszukiwanie zakreśleniem (Circle to Search), tryb portretowy, roboty sprzątające z kamerami, systemy wspomagania kierowcy, monitoring, kasy samoobsługowe.
Czy to ważne przy wyborze
Korzystasz z niego codziennie, nawet tego nie zauważając. Przy wyborze sprzętu widać to po jakości trybu portretowego, szybkości odblokowania twarzą i sprycie robota sprzątającego (czy omija skarpetki i kable). A jeśli chodzi o prywatność - pamiętaj, że kamer z rozpoznawaniem twarzy jest coraz więcej.
Mity
- Mit: Odblokowanie twarzą jest tak samo bezpieczne na każdym telefonie. W rzeczywistości: Nie. Zwykła przednia kamera jest mniej pewna niż skanowanie 3D twarzy z czujnikiem podczerwieni.
- Mit: Widzenie komputerowe widzi tak samo jak człowiek. W rzeczywistości: Można je „oszukać” dziwnym oświetleniem, naklejkami albo nietypowym kątem.
Częste pytania
Czy galeria rozpoznaje twarze bez internetu?
W wielu telefonach tak - analiza odbywa się na urządzeniu.
Jak robot sprzątający widzi skarpetki?
Przez kamerę i sieć neuronową nauczoną rozpoznawać typowe przeszkody.
Czy można wyłączyć rozpoznawanie twarzy w galerii?
Zwykle tak, w ustawieniach aplikacji.
Powiązane pojęcia
Model multimodalny, Fotografia obliczeniowa, Lidar, Nawigacja autonomiczna