Четири различни задачи
„Компютърно зрение“ звучи като едно нещо, но включва задачи с много различна трудност и различна цена на данните.
| Задача | Изход | Обозначаване на един пример |
|---|---|---|
| Класификация | етикет за цялото изображение | секунди |
| Детекция | кутии с етикети | около минута |
| Сегментация | контур пиксел по пиксел | минути |
| Проследяване | същият обект през кадрите | минути на видео |
Готовите модели
Почти никой не обучава модел за зрение от нулата. Взима се модел, обучен върху общи набори (стотици хиляди изображения, десетки класове), и се използва направо или се дообучава с няколкостотин ваши примера — трансферното обучение от урок 5.
- Готовият модел разпознава обичайни неща: човек, кола, куче, бутилка, стол.
- За специфични обекти (вид болест по листа, конкретна част от машина) се дообучава.
- Малките модели работят на телефон и в браузър; големите искат сървър.
- В браузъра работи през WebGL/WebGPU — данните не напускат устройството, което е важно при камера.
Праг на увереността
Стойност, под която откритията се пренебрегват. Нисък праг → повече фалшиви тревоги; висок → повече пропуски. Същият компромис като в урок 6.
От демонстрация до употреба
Разликата между лаборатория и улица
Моделът е обучен върху добре осветени, центрирани изображения. В реалния свят има дъжд, нощ, отблясъци, частично закрити обекти и необичайни ъгли. Точност 95% на тестовия набор не значи 95% на вашата камера.
Скорост
За реално време са нужни поне 15–20 кадъра в секунда. Оттук идват компромисите: по-малък модел, по-ниска резолюция, обработка на всеки трети кадър.
Лица и лични данни
Разпознаването на лица е обработка на биометрични лични данни и е строго ограничено. В курса не правим такива системи — работим с предмети. Разликата между „брои хора“ и „разпознава кой е човекът“ е и техническа, и правна.
Мислете за отказите
Какво прави системата, когато не е сигурна? Ако камерата на паркинга не разчете номера, бариерата не бива да остане затворена завинаги — трябва път за човешка намеса. Проектирането на отказа е част от проектирането на системата.