Дмитрий Семенов (компьютерное зрение, IT разработка)

Instance segmentation: как компьютер различает отдельные объекты на изображении

Когда мы смотрим на картинку, нам кажется очевидным, где начинается один человек и заканчивается другой. Но для компьютера это задача не из простых. Чтобы он мог разобраться в сцене, его нужно научить видеть не просто цвета и формы, а понимать структуру — кто есть кто и что находится где. Одним из важных шагов в этом направлении является instance segmentation , или сегментация экземпляров. Это метод машинного зрения, который позволяет выделить каждый отдельный объект на изображении, даже если они относятся к одному классу...

3 недели назад

Что такое keypoints в компьютерном зрении и зачем они нужны?

Когда человек смотрит на фотографию, он за долю секунды понимает, что на ней изображено. Дом, дерево, машина — всё легко узнаётся. Компьютер так не умеет. Для него изображение — это просто таблица чисел. Чтобы разобраться в этом хаосе, компьютеру нужны опорные точки. Их называют keypoints — ключевые точки изображения. Сегодня разберём, что такое keypoints, как они работают, зачем нужны, и где используются. -- Если у вас есть задача, связанная с компьютерным зрением, напишите мне в телеграм: https://t...

1 месяц назад

Как компьютер отличает объект от фона: простое объяснение background subtraction

Представьте камеру наблюдения, направленную на пустую парковку. В кадре — ничего не происходит. Потом появляется человек, и мы сразу его замечаем. Компьютеру же, чтобы сделать то же самое, нужно сначала научиться отличать фон — то, что там «всегда было» — от нового, подвижного объекта. Это особенно важно в видеонаблюдении, при подсчёте людей или машин, в контроле на производстве. Если система будет реагировать на каждый пиксель, который изменился, она завалит оператора ложными тревогами — из-за колышущихся деревьев, смены освещения, капель дождя...

1 месяц назад

Где у предмета граница: как компьютер находит контур объекта

Когда мы смотрим на любой предмет, наш мозг сразу же отделяет его от фона. Мы не думаем о том, где заканчивается чашка и начинается стол. Мы просто видим. А вот компьютер — не видит. Ему нужно сначала всё просчитать. Если мы хотим, чтобы алгоритм распознал объект на изображении, первый логичный шаг — найти его границы. Контуры. Это как обводка — аккуратная линия, которая идёт по краю предмета. Контур — это основа. Без него нейросети сложнее разобраться, где объект, а где фон. Без него нельзя измерить размеры детали, нельзя точно очертить опухоль на снимке, нельзя отслеживать движение силуэта...

1 месяц назад

Bounding boxes: как компьютер понимает, где находится объект в машинном зрении.

Когда человек смотрит на фотографию, мозг автоматически и мгновенно выделяет объекты. Мы без труда определяем: вот человек, вот собака, вот велосипед. При этом мы интуитивно понимаем, где заканчивается один объект и начинается другой. У компьютера всё иначе. Он не «видит» изображение так, как мы. Для него это просто массив чисел, представляющих яркость или цвет пикселей. Чтобы научить машину распознавать объекты, сначала нужно объяснить, где именно эти объекты находятся на изображении. И здесь в игру вступают bounding boxes — прямоугольники, которые обводят объекты на изображении...

1 месяц назад

Как компьютер «видит» глубину: что такое disparity map

Когда вы смотрите на чашку перед собой, вы точно знаете: она ближе, чем окно за ней. Для мозга это простая задача. Для компьютера — вовсе нет. Компьютер видит мир не как человек, а как последовательность пикселей. Чтобы понять, где ближе, а где дальше, ему нужно научиться «видеть» глубину. Один из самых надёжных способов — построить карту смещений между двумя изображениями, полученную с разных точек. Это и есть disparity map. Простыми словами — это изображение, где каждый пиксель показывает, как сильно сместился объект между двумя кадрами...

1 месяц назад

Сегментация изображений: компьютер учится видеть, как человек

Мы привыкли, что компьютерное зрение может найти лицо на фото или номер машины. Но представьте, что нужно не просто найти объект, а вырезать его по точной форме. Пиксель за пикселем, как ножницами. Для этого существует сегментация изображений — одна из самых мощных и точных технологий в компьютерном зрении. Допустим, у нас есть фотография улицы. Там машины, пешеходы, разметка, дома, деревья. Если использовать классический детектор объектов, он обведёт прямоугольниками людей, машины, велосипеды. Примерно...

1 месяц назад

Компьютерное зрение в сельском хозяйстве: что уже работает.

Раньше фермер вставал с первыми петухами, шел в поле, и всё, что у него было — это опыт, интуиция и прогноз погоды по радио. Сегодня он всё ещё встает рано, но теперь он запускает дрона, подключается к системе мониторинга через смартфон и получает точные данные: где недолив, где признаки болезни, а где поле в идеальном состоянии. Компьютерное зрение (CV) уже стало инструментом не будущего, а настоящего. Оно не заменяет человека — оно усиливает его. Позволяет не гадать, а видеть, не реагировать с опозданием, а действовать на опережение...

1 месяц назад

Хотите знать, как машины "понимают" картинку до мельчайших деталей? Поговорим про semantic segmentation — штуку, которая помогает компьютеру разбирать изображение на части и точно знать, где что. Представьте: камера смотрит на улицу и видит не просто "фото", а "вот дорога, тут пешеход, а там дерево". Semantic segmentation раскладывает каждый пиксель по полочкам: это как если бы машина умела раскрашивать мир с подписями. Круто, да? Как это работает? Нейросети (например, U-Net или DeepLab) анализируют картинку и решают, к чему относится каждый кусочек. Их учат на готовых примерах, где всё уже размечено: "это небо", "это машина". После тренировки модель может взять новое фото и выдать чёткую карту объектов. Где это используют? - Беспилотные машины: чтобы понимать, где дорога, а где человек. - Медицина: находить на снимках МРТ больные ткани. - Умные города: анализировать, сколько на улице мусорок или деревьев. Что может пойти не так? Мелкие детали, вроде тонких проводов, иногда теряются. Ещё нужна хорошая видеокарта, чтобы всё работало быстро, особенно с видео. Проблемы решают улучшенными датасетами или хитрыми алгоритмами, которые "дорисовывают" детали. Совет для любопытных: Хотите попробовать? Возьмите открытую модель, например, DeepLabv3, и датасет вроде Cityscapes. Это как конструктор — можно собрать свою систему и посмотреть, как она видит мир. Кто-нибудь думал, как semantic segmentation могла бы помочь в работе или хобби? Делитесь мыслями в комментах. #КомпьютерноеЗрение #ИИ #SemanticSegmentation #Технологии

1 месяц назад

Компьютерное зрение: кейс. Как Coca-Cola научила машины ловить трещины в бутылках

На заводах Coca-Cola в Мексике, где производят миллионы бутылок колы в день, каждая стеклянная бутылка — как маленький шедевр. Но даже в шедевре может быть изъян: трещина, грязь внутри или криво закрученная крышка. Если такая бутылка попадёт на прилавок, это не только испортит настроение покупателю, но и ударит по репутации бренда, который уже сто лет обещает «вкус радости». До внедрения компьютерного зрения проверка бутылок была настоящим испытанием: Coca-Cola понимала: нужно что-то, что видит быстрее молнии и не ошибается, даже если бутылка блестит, как зеркало...

1 месяц назад

Компьютерное зрение в промышленности: простое руководство.

Представьте, что на заводе есть система, которая сама проверяет, правильно ли собрана деталь, не бракованная ли продукция или безопасно ли работают сотрудники. Это не фантастика, а реальность, которую создает компьютерное зрение. Это технология, которая помогает машинам «видеть» и понимать, что происходит вокруг, с помощью камер и компьютеров. Компьютерное зрение становится все популярнее на заводах, потому что оно экономит время, деньги и делает работу безопаснее. Оно уже помогает собирать автомобили, проверять продукты в магазинах и даже следить за оборудованием, чтобы оно не ломалось...

1 месяц назад

Применение компьютерного зрения в робототехнике

Компьютерное зрение (КЗ) — это технология, которая позволяет роботам "видеть" и интерпретировать окружающий мир так, как это делает человек, но с использованием камер, датчиков и сложных алгоритмов. В робототехнике КЗ играет роль "глаз", обеспечивая автономность, точность и интеллект в решении самых разных задач: от навигации беспилотных автомобилей до сортировки деталей на производственных линиях. С развитием искусственного интеллекта (ИИ) и глубокого обучения применение компьютерного зрения в...

256 читали · 1 месяц назад

Скрыли публикацию

1,0×