Rekenaarvisie

in Wikipedia, die vrye ensiklopedie

Rekenaarvisietake sluit metodes in vir die verkryging, verwerking, ontleding en begrip van digitale beelde, en onttrekking van hoëdimensionele data uit die werklike wêreld om numeriese of simboliese inligting te produseer, bv. in die vorme van besluite.[1][2][3][4] Begrip in hierdie konteks beteken die transformasie van visuele beelde (die insette na die retina in die menslike analoog) in beskrywings van die wêreld wat sin maak vir denkprosesse en gepaste optrede kan ontlok. Hierdie beeldbegrip kan gesien word as die ontknoping van simboliese inligting uit beelddata met behulp van modelle wat met behulp van meetkunde, fisika, statistiek en leerteorie saamgestel is.

Die wetenskaplike dissipline van rekenaarvisie is gemoeid met die teorie agter kunsmatige stelsels wat inligting uit beelde onttrek. Die beelddata kan baie vorme aanneem, soos videoreekse, aansigte vanaf veelvuldige kameras, multidimensionele data vanaf 'n 3D-skandeerder, 3D-puntwolke van LiDaR-sensors, of mediese skanderingstoestelle. Die tegnologiese dissipline van rekenaarvisie poog om sy teorieë en modelle toe te pas op die konstruksie van rekenaarvisiestelsels.

Sub-domeine van rekenaarvisie sluit in toneelrekonstruksie, objekbespeuring, gebeurtenisbespeuring, aktiwiteitsherkenning, videonasporing, objekherkenning, 3D-posisieskatting, leer, indeksering, bewegingsskatting, visuele servoering, 3D-toneelmodellering en beeldherstel.

Die aanvaarding van rekenaarvisie-tegnologie kan vir organisasies moeisaam wees, aangesien daar geen enkele oplossing daarvoor is nie. Daar is baie min maatskappye wat 'n verenigde en verspreide platform of 'n bedryfstelsel verskaf waar rekenaarvisietoepassings maklik ontplooi en bestuur kan word.

Definisie[wysig | wysig bron]

Rekenaarvisie is 'n interdissiplinêre veld wat fokus op hoe rekenaars gebruik kan word om hoëvlakbegrip van digitale beelde of video's te verkry. Vanuit die perspektief van ingenieurswese poog dit om take te outomatiseer wat die menslike visuele stelsel kan doen.[5][6] "Rekenaarvisie is gemoeid met die outomatiese onttrekking, ontleding en begrip van nuttige inligting uit 'n enkele beeld of 'n reeks beelde. Dit behels die ontwikkeling van 'n teoretiese en algoritmiese basis om outomatiese visuele begrip te bereik."[7] As 'n wetenskaplike dissipline, is rekenaarvisie is gemoeid met die teorie agter kunsmatige stelsels wat inligting uit beelde onttrek. Die beelddata kan baie vorme aanneem, soos videoreekse, aansigte vanaf veelvuldige kameras, of multidimensionele data vanaf 'n mediese skandeerder.[8] As 'n tegnologiese dissipline poog rekenaarvisie om sy teorieë en modelle toe te pas vir die konstruksie van rekenaarvisiestelsels.

Verwysings[wysig | wysig bron]

  1. Reinhard Klette (2014). Concise Computer Vision. Springer. ISBN 978-1-4471-6320-6.
  2. Linda G. Shapiro; George C. Stockman (2001). Computer Vision. Prentice Hall. ISBN 978-0-13-030796-5.
  3. Bernd Jähne; Horst Haußecker (2000). Computer Vision and Applications, A Guide for Students and Practitioners. Academic Press. ISBN 978-0-13-085198-7.
  4. Tim Morris (2004). Computer Vision and Image Processing. Palgrave Macmillan. ISBN 978-0-333-99451-1.
  5. Dana H. Ballard; Christopher M. Brown (1982). Computer Vision. Prentice Hall. ISBN 978-0-13-165316-0.
  6. Huang, T. (1996-11-19). "Computer Vision : Evolution And Promise" in 19th CERN School of Computing.: 21–25, CERN. doi:10.5170/CERN-1996-008.21. 
  7. http://www.bmva.org/visionoverview Geargiveer 16 Februarie 2017 op Wayback Machine The British Machine Vision Association and Society for Pattern Recognition, Besoek 20 Februarie 2017
  8. Murphy, Mike (13 April 2017). "Star Trek's "tricorder" medical scanner just got closer to becoming a reality". Geargiveer vanaf die oorspronklike op 2 Julie 2017. Besoek op 18 Julie 2017.

Eksterne skakels[wysig | wysig bron]