Статья является вводной в проблему компьютерного зрения. Разумеется, в рамках одной статьи невозможно подробно рассказать об инструментах и научить ими пользоваться, однако целью ставится введение в задачу реализации компьютерного зрения, зачем оно нужно и где применяется на данный момент, а где планируется.

Строго говоря, компьютерное зрение — теория и технология создания машин (алгоритмов), которые могут производить обнаружение, отслеживание и классификацию объектов.

Для лучшего понимания проблемы, встающей перед исследователями, начнем с простого примера: одной из базовых задач компьютерного зрения – классификации. Взгляните на изображение, и определите класс объекта, изображенного на нем.

Очевидно, что для человека такая задача не является сложной, несмотря на огромную размерность входных данных.

Теперь же сформулируем задачу по-другому: ниже представлены два изображения (собака и кошка), необходимо сформулировать строгий алгоритм для классификации.

Весьма вероятно, что сформулировать такой алгоритм у вас не получится, что прекрасно демонстрирует одну из ключевых проблем компьютерного зрения: для большинства актуальных задач отсутствуют формализуемые алгоритмы решения.

Зачем нужно компьютерное зрение?

Идея компьютерного зрения в основе своей идею автоматизации — замену человеческого труда трудом машины. И естественно, первое место, где компьютерное зрение начало широко применяться – это различного рода производства, в частности на участках контроля качества. И если в начале целью было заменить человека, исключив лишь человеческий фактор, то по мере внедрения оказалось, что в задаче визуального контроля качества машина за счет высокой повторяемости и высокого разрешения способна значительно повысить качество и скорость контроля: машина не устает, и может работать быстрее человека.

В целом, с развитием компьютерного зрения, камера становится полноправным датчиком для систем управления и измерительных системы. Так, с помощью компьютерного зрения вполне успешно в промышленных системах решаются следующие задачи:

• Автоматический поиск дефектов путем сравнения  с образцом или классификации
• Построение 3-х мерных моделей, как объектов, так и местности;
• Автоматический контроль и учет (как правило, посредством штрих-кодов или других кодовых маркировок);
• Системы безопасности (датчики движения, распознавание лиц, дактилоскопические датчики);
• и много другое.

Значительная часть этих задач решается не на базе нейросетевых моделей, и работает достаточно стабильно в силу возможности фиксации параметров как окружающего освещения, так и параметров самой камеры и успешно применяется в промышленных системах. Однако, сложный анализ изображения в быстро изменяющихся условиях повседневного мира все еще находится на переднем фронте науки и техники.

Среди актуальных задач можно выделить:

• Распознавание объектов, лиц, позы
• Дополненная реальность
• Различные системы улучшения изображения (помимо фильтрации шумов и цветокоррекции)
• Измерительные системы на базе видеокамер, в том числе в медицинских и исследовательских целях.

Стоит отметить, что большинство подходов, используемые не в промышленных условиях (для сложных задач) основываются на нейросетевых моделях, в силу большей их робастности к изменениям окружающей среды и параметрам камеры.

Подводя итог по областям применения компьютерного зрения стоит отметить, что все задачи можно разделить на следующие группы или их комбинации:

• Классификация
• Локализация
• Детектирование
• Сегментация
• Распознавание позы (формы)

• 

• 

• 

• 

Практическая часть

• Компьютерное зрение. Машинное обучение без нейронных сетей (scikit-learn)
• Компьютерное зрение. Машиное обучение с использовнием нейронных сетей (Keras)
• Использование предобученных сетей в задаче детектирования (Coco dataset)