دليل الذكاء الاصطناعي المرئي

رؤية الكمبيوتر

تقوم الرؤية الحاسوبية ببناء أنظمة تستخرج المعلومات من الصور أو الفيديو.

استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min

في هذه الصفحةقراءة لمدة دقيقتين
  1. نظرة عامة
  2. النقاط الرئيسية
  3. الغوص العميق
  4. اختبار لاختصار الخلفية
  5. التنفيذ في العالم الحقيقي
  6. وضعها موضع التنفيذ
  7. المصادر ومزيد من القراءة
  8. استمر في الاستكشاف
  9. الأسئلة المتداولة

نظرة عامة

تشمل المهام التصنيف، واكتشاف الكائنات، والتجزئة، والتتبع، والإجابة المرئية على الأسئلة. تطلب كل مهمة مخرجات مختلفة، ولا يوفر أي منها تلقائيًا فهمًا كاملاً للمشهد.

النقاط الرئيسية

  1. تحديد المهمة البصرية والإخراج.
  2. اختبار ظروف التقاط واقعية.
  3. تقييم المعالجة المسبقة والاختصارات.

الغوص العميق

تصبح الصور صفائف رقمية تقوم بتشفير وحدات البكسل أو تمثيلات أخرى. يتعلم النموذج أنماطًا مفيدة لهدفه، ولكن هذه الأنماط يمكن أن تتضمن ارتباطات عرضية. قد يعتمد المصنف على الخلفية بدلاً من الكائن الذي قصد المطور التعرف عليه. تحديد الإخراج بدقة. يقوم التصنيف بتعيين تسميات للصورة؛ يحدد الكشف مثيلات الكائن؛ تسميات التجزئة وحدات البكسل أو المناطق. النموذج الذي يحدد فئة كائن قد يفشل في تحديد موقع حدوده أو التمييز بين العديد من المثيلات المتداخلة. قم بالتقييم على الكاميرات الواقعية والإضاءة والدقة ووجهات النظر والبيئات. احتفظ بالصور ذات الصلة من نفس المشهد أو قم بالتسجيل معًا عند تقسيم البيانات لتجنب النتائج المفرطة في التفاؤل. فحص الظروف غير المألوفة وتكلفة الأخطاء المختلفة. يجب أن يتعامل التطبيق أيضًا مع جودة الصورة والأذونات وعدم اليقين والإجراءات النهائية. لا تعد التسمية الواثقة دليلاً على أن المشهد آمن أو أن السمة المستنتجة مناسبة للاستخدام. احتفظ بالصورة المصدر ومعلومات المراجعة المفيدة عندما يحتاج الأشخاص إلى التحقق من النتيجة.

04عملت المثال

اختبار لاختصار الخلفية

  1. أنشئ مجموعة بيانات للعبة حيث تكون كل صورة تدريب للعبة حمراء على طاولة بيضاء وكل لعبة زرقاء على طاولة داكنة.

  2. اختبر الألعاب على خلفيات متبادلة وعلى سطح غير مرئي.

  3. إذا كانت التنبؤات تتبع الجدول بدلاً من اللعبة، فقم بمراجعة البيانات والتقييم بدلاً من افتراض الدقة الأصلية التي تقيس المفهوم المقصود.

ما يظهر

يوضح الإعداد المخترع اختصارًا يمكن أن يخفيه العرض التوضيحي المعقول.

التنفيذ في العالم الحقيقي

اكتشاف عيوب التصنيع الموجودة أسفل الكاميرا الفعلية وإعدادات الإضاءة.

قم بتصنيف صور المستندات المعتمدة قبل توجيهها إلى عملية استخراج مناسبة.

وضعها موضع التنفيذ

لماذا يهم

  • السرعة والحجم. يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
  • خيارات البناء. يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
  • الفريق وسير العمل. يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.

احترس من

  • يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
  • يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
  • قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.

الخطوات التالية

  1. تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
  2. اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
  3. أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
  4. تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.

المصادر ومزيد من القراءة

  1. Radford and colleaguesتعلم تمثيل الرؤية واللغة

استمر في الاستكشاف

رسالة إخبارية مجانية

احصل على الإحاطة اليومية لمنظمة العفو الدولية

ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.

بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.

اختبر نفسك

Take the Computer Vision quiz

تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.

ابدأ الاختبار

دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع

الأسئلة المتداولة

هل تحديد الكائن يعني أن النظام يفهم الصورة بأكملها؟

لا، التعرف على الأشياء هو مهمة واحدة. تتطلب العلاقات والسياق وعدم اليقين والاستخدام الآمن تقييمًا منفصلاً.