През последната година от моето инженерство, въпреки че това никога не се е преподавало в нашия клас, обработката на изображения стана изборът на повечето студенти по компютърни науки като тяхна област за техните академични проекти.
Разбирам обработката на изображения като нищо друго освен използване на софтуер, който би взел едно или колекция от изображения от запазени файлове или директно през камерата като вход, обработил го, както диктува софтуерът, и след това издал някакъв смислен резултат, който може да бъде анализ на данни, проверка автентичност, идентифициране на предмети или тяхното разкрасяване.
Има много приложения. Самоуправляващите се автомобили го използват за идентифициране на пътищата. Определен уебсайт ги използва, за да провери дали сме хора или ботове, като ни моли да щракнем върху изображения на автомобили или витрини на магазини, преди да имаме достъп до уебсайта. Машините за търсене на изображения като Google Images ги използват, за да идентифицират обекта и създават подобни изображения на потребителя. Google снимки ги използва, за да предложи колажи от снимки на потребителя. Facebook го използва, за да предотврати създаването на фалшиви акаунти като част от техния метод за предотвратяване на кражба на самоличност. Военните дронове ги използват за наблюдение.
Скоро полицията ще може да използва системи за видеонаблюдение, за да открие престъпниците. Приложенията за селфита ще бъдат много по-жизнени. SnapChat вече има толкова много филтри, очакват се по-нови. Може също да се използва за точно прогнозиране на времето въз основа на сателитни изображения (предполагам, че вече го правят). А възможностите са безкрайни.
Основната технология, която работи зад тях, е изкуственият интелект. И за това трябва да внедрим алгоритми за машинно обучение. Това не е нищо друго освен да даде на компютъра голям брой неизвестни обекти и да даде отговорите на повечето от тях (за това какъв е обектът) и да го помоли да познае новите въз основа на предоставените от него данни. Хубавото е, че колкото повече извършва тази дейност, толкова по-рязко става. Точността на прогнозата се подобрява с времето и практиката. Това е като бебе, което се опитва да ходи. Колкото повече бебето ходи, толкова повече се научава как да не пада. И така мозъкът расте.
Компютърните сървъри са такива мозъци. С времето по-новите технологии определено ще бъдат заменени въз основа на изискванията. Но е ясно, че за да се случи това, то трябва да учи все повече и повече. И така, откъде се взема този голям набор от данни. Има нужда от много изображения, които да се използват, за да се извърши правилно машинното обучение. Наскоро проверявах пощата си и открих, че Google Maps изисква местни екскурзоводи. Ако сте посетили някое интересно място, те ще се радват да дадете мнение за мястото и да му дадете оценка. Определено би помогнало на някой, който не е бил там преди. Това ще ви даде един кредит. Добавянето на изображения ви дава пет кредита. Кредитите подобряват вашия профил, но предоставят на Google голям набор от данни. Като гладен лъв е. А днес всеки е гладен за данни. Хората ги търгуват (нека стигнем до тази тема по-късно. Току-що се увлякох).
Така че в заключение бих казал, че ние наистина се развиваме. И с нас технологията около нас също се развива. Някой трябва да документира, така че ето моят принос, който дадох под формата на мнение. По-добре да се уверим, че усещаме тази еволюция.
