- Estas primeiras contribuições, feitas por pioneiros como Lawrence Roberts e Bela Julesz, estabeleceram princípios e técnicas fundamentais que influenciaram profundamente o desenvolvimento da visão computacional.
- A evolução da visão computacional, desde as teorias fundamentais das décadas de 1970 e 1980 até os avanços revolucionários das redes neurais e do aprendizado profundo nas décadas de 1990 e 2000, moldou profundamente a disciplina, levando a aplicações e metodologias inovadoras que são parte integrante da IA moderna e do processamento de imagens.
- O século XXI testemunhou um enorme crescimento da visão computacional, com grandes avanços e conquistas no aprendizado profundo e nas redes neurais que revolucionaram a classificação de imagens, detecção de objetos, segmentação, processamento de linguagem natural e muitas outras áreas, ilustrando a profunda integração entre compreensão visual e IA.
A invenção e o desenvolvimento da visão computacional não foram obra de uma única pessoa, mas foram construídos progressivamente através dos esforços conjuntos de muitos pesquisadores, engenheiros e acadêmicos ao longo de um longo período. Este domínio abrange várias disciplinas, incluindo informática, matemática, física, engenharia e neurociências.
Leia também:RoboVision levanta 42 milhões de dólares para reforçar a integração de IA na indústria manufatureira
Origem e primeiros desenvolvimentos da visão computacional
As raízes da visão computacional remontam às décadas de 1950 e 1960, quando o surgimento e o desenvolvimento dos computadores eletrônicos lançaram as bases para o processamento de imagens e o reconhecimento de padrões.
Lawrence Roberts
Lawrence Roberts é considerado um dos pioneiros da visão computacional. Ele introduziu muitos conceitos e técnicas básicas em sua tese de doutorado de 1963, intitulada Percepção automática de sólidos tridimensionais. Seu trabalho focou na extração de informações tridimensionais a partir de imagens bidimensionais, um dos problemas centrais da visão computacional. As pesquisas de Roberts lançaram as bases para trabalhos posteriores em reconstrução 3D e visão estereoscópica.
Bela Julesz
Bela Julesz foi um psicólogo visual cujas pesquisas sobre estereogramas de pontos aleatórios na década de 1960 tiveram um impacto significativo na visão computacional. Julesz demonstrou experimentalmente como o sistema visual humano percebe a profundidade a partir de imagens de pontos aleatórios, o que tem implicações importantes para a compreensão da estereopsia e da percepção de profundidade.
Leia também:Intel desenvolve o maior sistema computacional neuromórfico
Desenvolvimentos nas décadas de 1970 e 1980
Durante as décadas de 1970 e 1980, a visão computacional se estabeleceu como disciplina, e muitos conceitos e técnicas chave foram desenvolvidos e promovidos durante este período.
David Marr
David Marr é outra figura importante no campo da visão computacional. Ele propôs uma série de teorias sobre o processamento visual nas décadas de 1970 e 1980, tentando explicar como o sistema visual humano processa e compreende a informação visual. Marr desenvolveu suas teorias em seu livro de 1982,Visão: uma investigação computacional da representação e do processamento da informação visual no homem, incluindo um modelo hierárquico do processamento da informação visual. Ele propõe que o processamento visual pode ser dividido em três etapas principais: o esboço primário (primal sketch), o esboço 2,5D e a representação por modelo 3D. O trabalho de Marr teve um impacto profundo tanto na visão computacional quanto nas neurociências.
John Hopfield e David Marr
Os trabalhos de John Hopfield e David Marr sobre reconhecimento de padrões e redes neurais também tiveram um impacto significativo na visão computacional. A rede de Hopfield era um modelo inicial de rede neural que mostrava como problemas de reconhecimento de padrões podiam ser resolvidos pelo cálculo neuronal. Esses estudos forneceram uma base teórica para tarefas de reconhecimento e classificação de imagens em visão computacional.
Desenvolvimentos modernos da visão computacional
A visão computacional fez progressos consideráveis em algoritmos, poder computacional e áreas de aplicação desde as décadas de 1990 e 2000.
Takeo Kanade
Takeo Kanade é um pesquisador eminente nas áreas de visão computacional e robótica. Ele desenvolveu vários sistemas e algoritmos importantes de visão computacional, incluindo reconhecimento facial, visão estereoscópica e navegação de robôs móveis. O trabalho de Takeo Kanade teve um amplo impacto tanto no meio acadêmico quanto na indústria, e ele é um membro chave do departamento de ciência da computação e do Instituto de Robótica da Universidade Carnegie Mellon.
David Forsyth e Jean Ponce
David Forsyth e Jean Ponce são coautores deVisão computacional: uma abordagem moderna, um manual importante no campo da visão computacional que cobre uma ampla gama de tópicos, desde a teoria básica até aplicações práticas. Amplamente utilizado no ensino e na pesquisa em visão computacional, é um clássico da área.
Geoffrey Hinton, Yann LeCun e Yoshua Bengio
Os trabalhos de Geoffrey Hinton, Yann LeCun e Yoshua Bengio sobre redes neurais e aprendizado profundo revolucionaram a visão computacional. Seus trabalhos levaram ao sucesso das redes neurais convolucionais (CNN) em tarefas como classificação de imagens, detecção de objetos e segmentação semântica. Em particular, a vitória do AlexNet no concurso ImageNet em 2012 marcou um avanço na aplicação do aprendizado profundo à visão computacional.
A ascensão da visão computacional
Desde o início do século XXI, o campo da visão computacional entrou em um período de ascensão. Durante este período, a visão computacional alcançou resultados surpreendentes, como mostra a cronologia abaixo:
Em 2012, o AlexNet causou sensação no concurso de classificação de imagens ImageNet, usando uma rede neural convolucional profunda (CNN) para superar todas as outras entradas, reduzindo a taxa de erro em 10 pontos percentuais.
Em 2014, o GoogLeNet e o VGGNet (Visual Geometry Group) repetiram seu sucesso no concurso de classificação de imagens ImageNet, usando estruturas CNN mais profundas e mais complexas para melhorar ainda mais o desempenho da classificação.
Em 2015, o ResNet (Residual Neural Network) estabeleceu um novo recorde no concurso de classificação de imagens ImageNet, usando conexões residuais para resolver o problema da dificuldade de treinamento de redes profundas e reduzir a taxa de erro para um nível inferior ao humano.
Em 2016, o YOLO (You Only Look Once) e o SSD (Single Shot Multibox Detector) alcançaram um avanço na tarefa de detecção de objetos, usando uma estrutura CNN de estágio único para permitir a detecção rápida e precisa de múltiplos objetos em uma imagem.
Em 2017, o Mask R-CNN alcançou um avanço na tarefa de segmentação de objetos, permitindo a segmentação precisa de múltiplos objetos em uma imagem usando uma estrutura CNN de dois estágios.
Em 2018, o BERT (Bidirectional Encoder Representations from Transformers) alcançou um avanço na tarefa de processamento de linguagem natural, usando uma estrutura de transformador bidirecional para alcançar uma compreensão profunda da linguagem, oferecendo uma ferramenta poderosa para o processamento conjunto de imagens e texto.
Em 2019, o AlphaStar alcançou um avanço no jogo Starcraft II, usando aprendizado por reforço e autojogo para treinar uma inteligência que supera os melhores jogadores humanos, demonstrando um alto grau de integração entre visão computacional e tomada de decisão.
Em 2020, o GPT-3 alcançou um avanço na geração de linguagem natural, usando uma estrutura de transformador com 175 bilhões de parâmetros para gerar texto fluente e lógico, tornando possível a conversão recíproca entre imagens e texto.