Datorredze

Datorredze ir starpdisciplināra zinātnes joma, kurā tiek aplūkots, kā var izveidot datoru, lai iegūtu augsta līmeņa izpratni no digitāliem attēliem vai video. No inženierijas viedokļa datorredze tiecas automatizēt to, kā redz cilvēka acs. Saprotamākiem vārdiem sakot, datorredze ir tehnoloģija, kas ļauj interpretēt un saprast attēlā redzamo.^[2]^[3]

Datorredze ir trīsdimensiju telpas attēlojums attēlā, izmantojot matemātiskus paņēmienus. Proti - tiek izmantoti matemātiski algoritmi, lai atdalītu kādu objektu no attēla. Ar šo matemātisko algoritmu palīdzību tiek rekonstruēta telpa no attēla atpakaļ 3D telpā. Lai to veiktu, nepieciešams atsaukties uz visiem faktoriem: objekts, apgaismojums, attēlu veidojošās tehnoloģijas īpatnības.^[4]

Ar datorredzi saistītās nozares

Mākslīgais intelekts

Mākslīgā intelekta jomas ir saistītas ar autonomu sistēmu plānošanu, lai datorsistēmas spētu pārvietoties telpā. Lai datorsistēma spētu pārvietoties telpā, tai nepieciešama detalizēta informācija par objektiem, kas tajā atrodas. Informāciju par šo vidi var nodrošināt ar datorredzes sistēmu, kas darbojas kā redzes sensors un sniedz augsta līmeņa informāciju par vidi un pašu datorsistēmu/robotu.

Mākslīgajam intelektam un datorredzei ir tāds kopīgs termins kā rakstu atpazīšanas un mācīšanās metodes. Līdz ar to datorredze reizēm tiek uzskatīta par daļu no mākslīgā intelekta, kā arī daļu no datorzinātnes jomas kopumā.^[5]

Cietvielu fizika

Cietvielu fizika ir vēl viena joma, kas ir cieši saistīta ar datorredzi, jo lielākā daļa datorredzes sistēmu balstās uz attēlu sensoriem, kas atklāj elektromagnētisko starojumu, kas parasti ir redzamās vai infrasarkanās gaismas veidolā. Sensori tiek konstruēti, izmantojot kvantu fiziku. Process, kurā gaisma mijiedarbojas ar virsmām, tiek izskaidrota, izmantojot fiziku. Fizika izskaidro optikas uzvedību, kas ir galvenā daļa vairumam attēlveidošanas sistēmu. Izsmalcināti attēlu sensori pieprasa arī kvantu fiziku, lai nodrošinātu pilnīgu priekšstatu par attēla veidošanas procesu.^[6]

Datorredzes pielietojums

Datorredzei un mašīnredzei ir daudz kopīgu projektu, kur cieši sadarbojas viena ar otru. Datorredze aptver automatizētas attēlu analīzes pamattehnoloģiju, ko izmanto daudzās jomās, savukārt mašīnredze parasti attiecas uz procesu, kurā tiek apvienota automatizēta attēlu analīze ar citām metodēm un tehnoloģijām, lai nodrošinātu automatizētas pārbaudes un robotu vadību rūpnieciskos nolūkos. Daudzās datorizētās lietojumprogrammās datori ir iepriekš ieprogrammēti, lai atrisinātu konkrētu uzdevumu, bet metodes, kas balstītas uz mācībām, tagad kļūst arvien izplatītākas. Datorredzes pielietojumu piemēri ietver šādas sistēmas:

Automātiskās pārbaudes, piemēram, ražošanā;
Identificēšana cilvēku vajadzībām, piemēram, sugu identifikācijas sistēmā;^[7]
Kontroles procesi - rūpnieciskais robots;
Notikumu reģistrēšana - cilvēku skaitīšana veikalos;
Objektu vai vides modelēšana - medicīnas attēlu analīze vai topogrāfiskā modelēšana;
Navigācija - autonoms transportlīdzeklis;
Informācijas organizēšana - attēlu datubāzes un attēlu secība tajās.

Viena no ievērojamākajām lietojumprogrammu jomām ir medicīniskā datorredze jeb medicīniskā attēlu apstrāde, ko raksturo informācijas iegūšana no attēla, lai noteiktu pacienta diagnozi. Ar datorredzes palīdzību ir atklāti audzēji, arteroskleroze vai arī citas ļaundabīgas izmaiņas cilvēka organismā, kā arī var noteikt orgānu izmēru, veikt asisnsplūsmas mērījumus. Datorredze atbalsta arī medicīnisko izpēti, sniedzot jaunu informāciju, piemēram, par smadzeņu struktūru vai ārstniecības kvalitāti. Datorzinātnes pielietojumi medicīnas jomā ietver arī cilvēka interpretētu attēlu - ultraskaņas attēlu vai rentgena attēlu - uzlabošanu, lai samazinātu trokšņa ietekmi.^[5]

Militārās lietojumprogrammas ir viena no lielākajām datorredzes pielietošanas jomām. Tās izmanto, piemēram, ienaidnieku karavīru vai transportlīdzekļu un raķešu vadības atklāšanā. Raķešu vadība ar datorredzi ir kļuvusi precīzāka, jo tā spēj noteikt mērķa atrašanās vietu arī tad, ja pēc raķetes palaišanas mērķis ir pārvietojies, jo tai ar datorredzes palīdzību ir dots mērķa attēls, kuram sekot. Mūsdienu militārie jēdzieni, piemēram, "kaujas lauka apzināšana" nozīmē, ka dažādi sensori, tostarp attēlu sensori, sniedz bagātīgu informāciju par kaujas lauku, lai atbalstītu stratēģiskus lēmumus - šādā gadījumā datu automātiskā apstrāde tiek izmantota, lai samazinātu sarežģītību un sapludinātu informāciju no vairākiem sensoriem, lai palielinātu uzticamību.

Viena no jaunākajām datorredzes pielietojuma jomām ir autonomie transportlīdzekļi - zemūdens kuģi, sauszemes transportlīdzekļi, gaisa transportlīdzekļi un bezpilota lidaparāti. Autonomijas līmenis balstās no pilnīgi autonomiem (bezpilota) transportlīdzekļiem līdz transportlīdzekļiem, kuros uz datoriem balstītas sistēmas atbalsta vadītāju vai pilotu dažādās situācijās. Pilnībā autonomi transportlīdzekļi parasti izmanto navigācijas datorredzi, piemēram, lai uzzinātu tā atrašanās vietu vai lai izveidotu vides karti, un lai konstatētu šķēršļus. To var izmantot arī noteiktu uzdevumu izpildei, piemēram, meža ugunsgrēku noteikšanai. Atbalsta sistēmu piemēri ir šķēršļu brīdināšanas sistēmas automašīnās un sistēmas, kas paredzētas gaisa kuģu autonomai izkraušanai. Vairāki automobiļu ražotāji ir demonstrējuši sistēmu autonomai automašīnu vadīšanai, taču šī tehnoloģija vēl nav sasniegusi līmeni, kādā to var laist tirgū. Pastāv plaši piemēri par militāriem autonomajiem transportlīdzekļiem, sākot no modernām raķetēm līdz UAV, lai veiktu rekonstrukcijas vai raķešu vadību. Kosmosa izpēte jau tiek veikta ar autonomiem transportlīdzekļiem, izmantojot datorredzi, piemēram, NASA Mars Exploration Rover un ESA ExoMars Rover.^[8]

Atsauces

↑ Amir Arsalan. «Synthesizing 3D Shapes via Modeling Multi-View Depth Maps and Silhouettes with Deep Generative Networks». Skatīts: 02.06.2019.
↑ Dana H. Ballard, Christopher M. Brown. Computer Vision. Prentice Hall, 1982. ISBN 978-0-13-165316-0. Skatīts: 2019. gada 2. jūnijā.
↑ Milan Sonka, Roger Hlavac, Boyle. Image Processing, Analysis, and Machine Vision. Thomson, 2008. ISBN 978-0-495-08252-1. Skatīts: 2019. gada 2. jūnijā.
↑ Reinhard Klette. Concise Computer Vision. Springer, 2014. ISBN 978-1-4471-6320-6.
↑ ^5,0 ^5,1 Steger Carsten. Machine Vision Algorithms and Applications. Weinheim: Wiley-VCH, 2018. ISBN 978-3-527-41365-2.
↑ Richard Szeliski. Computer Vision: Algorithms and Applications. Springer Science & Business Media, 2010. 10–16. lpp. ISBN 978-1-84882-935-0.
↑ Jana Wäldchen. Plant Species Identification Using Computer Vision Techniques: A Systematic Literature Review. Archives of Computational Methods in Engineering, 2017. ISBN 1134-3060 Jāpārbauda |isbn= vērtība.
↑ Bruijning Marjolein. Automated particle tracking to obtain population counts and size distributions from videos, 2018. ISBN 2041-210X Jāpārbauda |isbn= vērtība.

[1] Amir Arsalan. «Synthesizing 3D Shapes via Modeling Multi-View Depth Maps and Silhouettes with Deep Generative Networks». Skatīts: 02.06.2019.

[2] Dana H. Ballard, Christopher M. Brown. Computer Vision. Prentice Hall, 1982. ISBN 978-0-13-165316-0. Skatīts: 2019. gada 2. jūnijā.

[3] Milan Sonka, Roger Hlavac, Boyle. Image Processing, Analysis, and Machine Vision. Thomson, 2008. ISBN 978-0-495-08252-1. Skatīts: 2019. gada 2. jūnijā.

[4] Reinhard Klette. Concise Computer Vision. Springer, 2014. ISBN 978-1-4471-6320-6.

[:0-5] 5,0 ^5,1 Steger Carsten. Machine Vision Algorithms and Applications. Weinheim: Wiley-VCH, 2018. ISBN 978-3-527-41365-2.

[6] Richard Szeliski. Computer Vision: Algorithms and Applications. Springer Science & Business Media, 2010. 10–16. lpp. ISBN 978-1-84882-935-0.

[7] Jana Wäldchen. Plant Species Identification Using Computer Vision Techniques: A Systematic Literature Review. Archives of Computational Methods in Engineering, 2017. ISBN 1134-3060 Jāpārbauda |isbn= vērtība.

[8] Bruijning Marjolein. Automated particle tracking to obtain population counts and size distributions from videos, 2018. ISBN 2041-210X Jāpārbauda |isbn= vērtība.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]