• A visão computacional, frequentemente abreviada como CV, é definida como uma área de estudo que visa desenvolver técnicas para ajudar os computadores a «ver» e compreender o conteúdo de imagens digitais, como fotografias e vídeos.
  • Ela utiliza aprendizado de máquina, especialmente aprendizado profundo, e redes neurais convolucionais para analisar dados.

A visão computacional é uma área da IA que usa aprendizado de máquina e redes neurais para permitir que computadores e sistemas extraiam informações significativas de imagens digitais, vídeos e outras entradas visuais. Isso permite que eles façam recomendações ou tomem medidas em resposta a defeitos ou problemas que percebem.

O que é visão computacional?

A visão computacionalaplica aprendizado de máquina a imagens e vídeos para entender a mídia e tomar decisões baseadas neles. Em essência, ela confere a softwares e tecnologias a capacidade de «ver».

Se a IA permite que os computadores pensem, a visão computacional permite que eles vejam, observem e compreendam. Embora a visão computacional funcione de maneira semelhante à visão humana, os humanos têm a vantagem da experiência contextual para distinguir objetos, avaliar distâncias, detectar movimentos ou identificar anomalias em imagens.

Como funciona a visão computacional?

A visão computacional depende fortemente de dados. Ela analisa os dados repetidamente para discernir padrões e, eventualmente, reconhecer imagens. Por exemplo, treinar um computador para identificar pneus de automóveis requer fornecer a ele um grande número de imagens de pneus e itens relacionados para que ele aprenda a distinguir e identificar corretamente os pneus, especialmente aqueles sem defeitos. Duas tecnologias-chave usadas para isso são o aprendizado profundo e asredes neurais convolucionais(CNN).

O aprendizado de máquina usa modelos algorítmicos que permitem que os computadores aprendam autonomamente o contexto dos dados visuais. Com dados suficientes, o computador aprende a diferenciar as imagens por si só, em vez de por programação explícita para reconhecimento de imagens.

Uma CNN ajuda os modelos de aprendizado de máquina ou aprendizado profundo ao decompor as imagens em pixels rotulados ou marcados. Usando esses rótulos, a CNN realiza convoluções — uma operação matemática que combina duas funções para produzir uma terceira — e prevê o conteúdo que «vê». A rede neural ajusta suas previsões por convoluções iterativas, melhorando progressivamente a precisão até que suas previsões correspondam à realidade. Dessa forma, ela percebe ou reconhece imagens de maneira semelhante à percepção humana.

Leia também:Explorando a visão computacional através da direção autônoma

Leia também:Por que a visão computacional é tão difícil?

História da visão computacional

Por cerca de 60 anos, cientistas e engenheiros se esforçaram para desenvolver métodos que permitissem às máquinas perceber e entender dados visuais. Os primeiros experimentos em 1959 consistiram em apresentar séries de imagens a gatos por neurofisiologistas para observar as respostas cerebrais correspondentes.

A década de 1960 viu o surgimento da IA como disciplina acadêmica, marcando o início dos esforços para enfrentar os desafios da visão humana.

Em 1974, surgiu a tecnologia de reconhecimento óptico de caracteres (OCR) capaz de identificar texto independentemente da fonte ou tipo. Da mesma forma, o reconhecimento inteligente de caracteres (ICR) podia decifrar texto manuscrito usando redes neurais.

Em 1982, o neurocientista David Marr estabeleceu a natureza hierárquica da visão e introduziu algoritmos que permitem às máquinas detectar bordas, cantos, curvas e outras formas fundamentais.

Por volta do ano 2000, o foco mudou para o reconhecimento de objetos, culminando no lançamento de aplicações de reconhecimento facial em tempo real em 2001. Ao longo dos anos 2000, a padronização da rotulagem e anotação de conjuntos de dados visuais ganhou importância.