Bilgisayarlı Görü
Nedir ve neden önemlidir
Bilgisayarlı Görü, bilgisayarları görsel dünyayı yorumlamak ve anlamak için eğiten bir yapay zeka alanıdır. Kameralar ve videolardan alınan dijital görüntüleri ve derin öğrenme modellerini kullanan makineler, nesneleri doğru bir şekilde tanımlayıp sınıflandırabilir ve ardından "gördüklerine" tepki verebilir.
Bilgisayarlı görünün tarihçesi
Bilgisayarlı görü alanındaki ilk deneyler 1950'lerde, bir nesnenin kenarlarını tespit etmek ve basit nesneleri daireler ve kareler gibi kategorilere ayırmak için ilk sinir ağlarından bazılarını kullanarak gerçekleşti. 1970'lerde, Bilgisayarlı görünün ilk ticari kullanımı, optik karakter tanıma kullanarak yazılan veya elle yazılan metni yorumladı. Bu ilerleme, görme engelliler için yazılı metinleri yorumlamak için kullanıldı.
1990'larda internetin olgunlaşması ve büyük görüntü setlerinin analiz için çevrimiçi olarak kullanılabilir hale gelmesiyle yüz tanıma programları gelişti. Bu büyüyen veri setleri, makinelerin fotoğraf ve videolardaki belirli kişileri tanımlamasını mümkün kıldı.
Günümüzde bir dizi faktör bir araya gelerek Bilgisayarlı görü alanında bir rönesans yaşanmasına neden olmuştur:
Dahili kameralara sahip mobil teknoloji, dünyayı fotoğraf ve videolara doyurdu.
Bilgi işlem gücü daha uygun fiyatlı ve kolay erişilebilir hale geldi.
Bilgisayarlı görü ve analiz için tasarlanmış donanımlar daha yaygın olarak mevcuttur.
Konvolüsyonel sinir ağları gibi yeni algoritmalar donanım ve yazılım yeteneklerinden faydalanabilir.
Bu gelişmelerin bilgisayarlı görü alanı üzerindeki etkileri şaşırtıcı olmuştur. Nesne tanımlama ve sınıflandırma için doğruluk oranları on yıldan kısa bir süre içinde yüzde 50'den yüzde 99'a çıkmıştır ve günümüz sistemleri görsel girdileri hızlı bir şekilde tespit etme ve bunlara tepki verme konusunda insanlardan daha doğrudur.
Kanser tedavisinde yeni bir dönem
Kanserli tümörlerin değerlendirilmesinde kullanılan geleneksel yöntemler son derece zaman alıcıdır. Sınırlı miktarda veriye dayanan bu tür yöntemler hatalara yol açabilir ve öznelliğe eğilimlidir. Amsterdam UMC, SAS ile birlikte çalışarak yapay zeka aracılığıyla tümör değerlendirmelerini dönüştürdü. Kemoterapiye yanıt değerlendirmelerinin hızını ve doğruluğunu artırmak için bilgisayarlı görü teknolojisini ve derin öğrenme modellerini kullanan doktorlar, ameliyat için aday olan kanser hastalarını daha hızlı ve hayat kurtarıcı bir hassasiyetle belirleyebilir.
Bilgisayarlı görü bir yapbozu andırıyor
Bilgisayarlar görsel imgeleri tıpkı bir yapbozu bir araya getirdiğiniz gibi bir araya getirir.
Bir yap-boza nasıl yaklaştığınızı düşünün. Tüm bu parçalara sahipsiniz ve bunları bir görüntü halinde bir araya getirmeniz gerekiyor. Bilgisayarlı görü için sinir ağları bu şekilde çalışır. Görüntünün birçok farklı parçasını ayırt ederler, kenarları belirlerler ve ardından alt bileşenleri modellerler. Filtreleme ve derin ağ katmanları aracılığıyla bir dizi eylem kullanarak, tıpkı bir yapbozda olduğu gibi görüntünün tüm parçalarını bir araya getirebilirler.
Bilgisayara bir bulmaca kutusunun üstündeki son görüntü verilmez - ancak belirli nesneleri tanıması için eğitmek üzere genellikle yüzlerce veya binlerce ilgili görüntü beslenir.
Bilgisayarları bir kediyi tanımak için bıyık, kuyruk ve sivri kulak aramak üzere eğitmek yerine, programcılar milyonlarca kedi fotoğrafı yüklüyor ve ardından model bir kediyi oluşturan farklı özellikleri kendi kendine öğreniyor.
Günümüz dünyasında bilgisayarlı görü
Bilgisayarlı görü, yüzleri tanımaktan bir futbol maçının canlı aksiyonunu işlemeye kadar birçok alanda insanların görsel yeteneklerine rakip olmakta ve onları aşmaktadır.
Derin öğrenme ve bilgisayarlı görü
Derin öğrenme bir bilgisayarı görmesi için nasıl eğitir? Derin öğrenme tekniklerine ve uygulamalarına giriş yapın ve farklı derin sinir ağı modellerinin bilgisayarlı görü için nasıl kullanıldığını öğrenin.
Bilgisayarlı görüye sahip başka bir göz seti
Georgia-Pacific, görüntü verilerini yakalamak ve analiz etmek için günlük üretim operasyonlarına bilgisayarlı görüyü yerleştirdi. Teknoloji, anormallikleri sürekli izleyerek kalite ve güvenlikle ilgili sorunların çözülmesine yardımcı olur ve verimliliği artırır.
THE BATTING LAB
The Batting Lab, çocukların vuruşlarını ve veri okuryazarlıklarını geliştirmelerine yardımcı olmak için yapay zeka, bilgisayarlı görü ve IoT analitiğini beyzbolla birleştiriyor. Sensörler ve kameralar, veri noktaları toplamak ve görüntüleri işlemek için nesne algılamayı kullanır ve vuruculara gerçek zamanlı öneriler oluşturur.
Who's using computer vision?
Computer vision is used across industries to enhance the consumer experience, reduce costs and increase security.
Bilgisayarlı görü, derin öğrenme ve yapay zeka dünyasından çıkan en dikkat çekici şeylerden biridir. Derin öğrenmenin bilgisayarlı görü alanına kattığı ilerlemeler, bu alanı gerçekten farklı kılmıştır.
Veri biliminin multidisipliner alanı hakkında bilgi edinin
Hayvanların korunması için bilgisayarlı görü
Hayvan izlerini analiz etmek için tasarlanmış bir bilgisayarlı görü modelinin nasıl çalıştığını öğrenin. Bilgisayar, yerel bir hayvan izleyicisinin yaptığı gibi ayak izini görmek üzere eğitilebilir mi? Bilgisayarın hayvanı ve cinsiyetini belirlemek için farklı bilgi katmanlarını nasıl işlediğini görün. Bu videoda, SAS Advanced Analytics R&D Kıdemli Müdürü Jared Peterson, sinir ağlarının bilgisayarlı görünin arkasındaki bilim olduğunu gösteriyor.
Bilgisayarlı görü ile sonuçları görmek
Birçok sektördeki bilgisayarlı görü kullanıcıları gerçek sonuçlar elde ediyor ve biz de bu infografikte bunların birçoğunu belgeledik. Örneğin, biliyor muydunuz?
- Bilgisayarlı görü, sahnelenmiş ve gerçek otomobil hasarını ayırt edebilir mi?
- Bilgisayarlı görü güvenlik uygulamaları için yüz tanımayı mümkün kılıyor mu?
- Bilgisayarlı görü, modern perakende mağazalarında otomatik kasayı mümkün kılıyor.
Bilgisayarlı görü, üretimdeki kusurları tespit etmekten tarımda bitki hastalıklarının erken belirtilerini tespit etmeye kadar tahmin edebileceğinizden çok daha fazla alanda kullanılıyor.
Perakende, bankacılık, sağlık hizmetleri ve daha fazlasından sonuçları görmek için buradaki infografiğe tıklayın.
Bilgisayarlı görü nasıl çalışır?
Bilgisayarlı görü üç temel adımda çalışır:
Görüntü elde etme
Görüntüler, hatta büyük setler, analiz için video, fotoğraf veya 3D teknolojisi aracılığıyla gerçek zamanlı olarak elde edilebilir.
Görüntünün işlenmesi
Derin öğrenme modelleri bu sürecin çoğunu otomatikleştirir, ancak modeller genellikle önce binlerce etiketli veya önceden tanımlanmış görüntü beslenerek eğitilir.
Görüntüyü anlamak
Son adım, bir nesnenin tanımlandığı veya sınıflandırıldığı yorumlama adımıdır.
Günümüzün yapay zeka sistemleri bir adım daha ileri giderek görüntüyü anlamaya dayalı eylemlerde bulunabiliyor. Farklı şekillerde kullanılan birçok bilgisayarlı görü türü vardır:
- Görüntü segmentasyonu, bir görüntüyü ayrı ayrı incelenmek üzere birden fazla bölgeye veya parçaya böler.
- Nesne algılama bir görüntüdeki belirli bir nesneyi tanımlar. Gelişmiş nesne algılama, tek bir görüntüdeki birçok nesneyi tanır: bir futbol sahası, bir hücum oyuncusu, bir savunma oyuncusu, bir top vb. Bu modeller, bir sınırlayıcı kutu oluşturmak ve kutunun içindeki her şeyi tanımlamak için bir X,Y koordinatı kullanır.
- Yüz tanıma, yalnızca bir görüntüdeki insan yüzünü tanımakla kalmayıp aynı zamanda belirli bir bireyi tanımlayan gelişmiş bir nesne algılama türüdür.
- Kenar algılama, görüntüde ne olduğunu daha iyi belirlemek için bir nesnenin veya manzaranın dış kenarını tanımlamak için kullanılan bir tekniktir.
- Örüntü algılama, görüntülerde tekrarlanan şekilleri, renkleri ve diğer görsel göstergeleri tanıma işlemidir.
- Görüntü sınıflandırma, görüntüleri farklı kategorilere ayırır.
- Özellik eşleştirme, sınıflandırmaya yardımcı olmak için görüntülerdeki benzerlikleri eşleştiren bir örüntü algılama türüdür.
bilgisayarlı görünin basit uygulamaları bu tekniklerden yalnızca birini kullanabilir, ancak sürücüsüz otomobiller için bilgisayarlı görü gibi daha gelişmiş kullanımlar, hedeflerine ulaşmak için birden fazla tekniğe güvenir.
Sonraki Adımlar
Görmek inanmaktır. SAS'ın bilgisayarlı görü ile neler başarmanıza yardımcı olabileceğini keşfedin.
Bilgisayarlı Görü için öne çıkan ürün
SAS® Görsel Veri Madenciliği ve Makine Öğrenimi
Bu SAS çözümü, derin öğrenmeye ek olarak kümeleme, farklı regresyon çeşitleri, rastgele ormanlar, gradyan artırma modelleri, destek vektör makineleri, duygu analizi ve daha fazlasını destekler. Etkileşimli, görsel bir pipeline ortamı, her projeyi (veya hedefi) mantıksal bir sırayla gerçekleşen bir dizi renk kodlu adım olarak sunar.
Önerilen Kaynaklar
-
Makale
Three steps for conquering the last mile of analyticsPutting your analytical models into production can be the most difficult part of the analytics journey. It’s no surprise that this last mile of analytics – bringing models into deployment – is the hardest part of digital transformation initiatives for organizations to master, yet it’s the most crucial.
-
Makale
Shut the front door on insurance application fraud!Fraudsters love the ease of plying their trade over digital channels. Smart insurance companies are using data from those channels (device fingerprint, IP address, geolocation, etc.) coupled with analytics and machine learning to detect insurance application fraud perpetrated by agents, customers and fraud rings.
-
Makale
Machine learning and artificial intelligence in a brave new worldWhat is the interplay between man and machine in a brave new world with AI?