مقدمة وجيزة عن الرؤية الحاسوبية

يتم تسليط الضوء على A short introduction to computer vision بواسطة BTW Media لأن الأدلة المنشورة تربطه بالبنية التحتية للإنترنت والحوكمة والتبعيات التشغيلية أو رؤية السوق.

• الرؤية الحاسوبية، التي تُختصر غالبًا بـ CV، تُعرف بأنها مجال دراسة يهدف إلى تطوير تقنيات لمساعدة أجهزة الكمبيوتر على «رؤية» وفهم محتوى الصور الرقمية مثل الصور الفوتوغرافية ومقاطع الفيديو.
• تستخدم التعلم الآلي، وخاصة التعلم العميق، والشبكات العصبية الالتفافية لتحليل البيانات.

الرؤية الحاسوبية هي مجال من مجالات الذكاء الاصطناعي يستخدم التعلم الآلي والشبكات العصبية لتمكين أجهزة الكمبيوتر والأنظمة من استخراج معلومات ذات معنى من الصور الرقمية ومقاطع الفيديو والمدخلات البصرية الأخرى. وهذا يمكنها من تقديم توصيات أو اتخاذ إجراءات استجابة للعيوب أو المشكلات التي تكتشفها.

ما هي الرؤية الحاسوبية؟

الرؤية الحاسوبيةتطبق التعلم الآلي على الصور ومقاطع الفيديو لفهم الوسائط واتخاذ القرارات بناءً عليها. باختصار، تمنح البرامج والتكنولوجيا القدرة على «الرؤية».

بينما يمكّن الذكاء الاصطناعي أجهزة الكمبيوتر من التفكير، فإن الرؤية الحاسوبية تمكنها من الرؤية والملاحظة والفهم. على الرغم من أن الرؤية الحاسوبية تعمل بطريقة مشابهة للرؤية البشرية، إلا أن البشر يتمتعون بميزة الخبرة السياقية لتمييز الأشياء وتقييم المسافات واكتشاف الحركات أو تحديد الشذوذ في الصور.

كيف تعمل الرؤية الحاسوبية؟

تعتمد الرؤية الحاسوبية بشكل كبير على البيانات. تقوم بتحليل البيانات بشكل متكرر لتمييز الأنماط وفي النهاية التعرف على الصور. على سبيل المثال، يتطلب تدريب جهاز كمبيوتر على التعرف على إطارات السيارات تزويده بعدد كبير من صور الإطارات والمواد ذات الصلة لتعلم التمييز وتحديد الإطارات بشكل صحيح، خاصة تلك الخالية من العيوب. هناك تقنيتان رئيسيتان تستخدمان لهذا الغرض: التعلم العميقوالشبكات العصبية الالتفافية(CNN).

يستخدم التعلم الآلي نماذج حسابية تتيح لأجهزة الكمبيوتر تعلم سياق البيانات المرئية بشكل مستقل. مع وجود بيانات كافية، يتعلم الكمبيوتر التفريق بين الصور من تلقاء نفسه، بدلاً من البرمجة الصريحة للتعرف على الصور.

تساعد الشبكة العصبية الالتفافية (CNN) نماذج التعلم الآلي أو التعلم العميق عن طريق تقسيم الصور إلى بكسلات موسومة أو معنونة. باستخدام هذه التسميات، تقوم CNN بإجراء الالتفاف — عملية رياضية تجمع بين دالتين لإنتاج ثالثة — وتتنبأ بالمحتوى الذي «تراه». تقوم الشبكة العصبية بتحسين توقعاتها من خلال التلافيف المتكررة، مما يحسن الدقة تدريجيًا حتى تتوافق توقعاتها مع الواقع. بهذه الطريقة، تدرك أو تتعرف على الصور بطريقة مشابهة للإدراك البشري.

اقرأ أيضًا:استكشاف الرؤية الحاسوبية من خلال القيادة الذاتية

اقرأ أيضًا:لماذا تعتبر الرؤية الحاسوبية صعبة للغاية؟

تاريخ الرؤية الحاسوبية

على مدى حوالي 60 عامًا، سعى العلماء والمهندسون إلى تطوير طرق تمكن الآلات من إدراك وفهم البيانات المرئية. تضمنت التجارب الأولى في عام 1959 تقديم سلسلة من الصور للقطط من قبل علماء الفسيولوجيا العصبية لملاحظة استجابات الدماغ المقابلة.

شهدت الستينيات ظهور الذكاء الاصطناعي كنظام أكاديمي، مما يمثل بداية الجهود لمواجهة تحديات الرؤية البشرية.

في عام 1974 ظهرت تقنية التعرف البصري على الأحرف (OCR) القادرة على تحديد النص بغض النظر عن الخط أو المحرف. وبالمثل، يمكن للتعرف الذكي على الأحرف (ICR) فك رموز النص المكتوب بخط اليد باستخدام الشبكات العصبية.

في عام 1982، أسس عالم الأعصاب ديفيد مارر الطبيعة الهرمية للرؤية وقدم خوارزميات تمكن الآلات من اكتشاف الحواف والزوايا والمنحنيات والأشكال الأساسية الأخرى.

حوالي عام 2000، تحول التركيز نحو التعرف على الأشياء، مما أدى إلى إطلاق تطبيقات التعرف على الوجه في الوقت الفعلي في عام 2001. طوال العقد الأول من القرن الحادي والعشرين، اكتسب توحيد تسمية وتعليق مجموعات البيانات المرئية أهمية.