Sửa đổi Thị giác máy
Chú ý: Bạn chưa đăng nhập và địa chỉ IP của bạn sẽ hiển thị công khai khi lưu các sửa đổi.
Bạn có thể tham gia như người biên soạn chuyên nghiệp và lâu dài ở Bách khoa Toàn thư Việt Nam, bằng cách đăng ký và đăng nhập - IP của bạn sẽ không bị công khai và có thêm nhiều lợi ích khác.
Các sửa đổi có thể được lùi lại. Xin hãy kiểm tra phần so sánh bên dưới để xác nhận lại những gì bạn muốn làm, sau đó lưu thay đổi ở dưới để hoàn tất việc lùi lại sửa đổi.
Bản hiện tại | Nội dung bạn nhập | ||
Dòng 4: | Dòng 4: | ||
Mục tiêu chính của thị giác máy là giải quyết bài toán làm thế nào để một hệ thống máy thu nhận, phân tích hình ảnh để “hiểu” được thế giới xung quanh và “phản ứng” lại với thế giới xung quanh giống như hệ thống thị giác sinh học người. Ví dụ, giống thị giác sinh học của người, thị giác máy thu nhận, phân tích hình ảnh bằng các phương pháp và giải pháp công nghệ khác nhau nhằm hiểu biết và kiểm soát tự động các sản phẩm công nghiệp hoặc dẫn đường trong robot công nghiệp. Theo cách tiếp cận truyền thống, hệ thống máy được lập trình sẵn để giải quyết các nhiệm vụ cụ thể theo tình huống xác định. Hiện nay, các hệ thống thông minh sử dụng kỹ thuật trí tuệ nhân tạo để học từ dữ liệu thực tế, giải quyết các bài toán có tính phổ quát như con người. Thị giác nhân tạo được xem là tiêu chuẩn đánh giá khả năng của máy thông minh. Trong trường hợp lý tưởng, máy thông minh có khả năng tích hợp thiết bị thị giác, lập luận, hiểu và chuyển thể ngôn ngữ tự nhiên nhằm ra quyết định tương tác với các thực thể giao tiếp khác. | Mục tiêu chính của thị giác máy là giải quyết bài toán làm thế nào để một hệ thống máy thu nhận, phân tích hình ảnh để “hiểu” được thế giới xung quanh và “phản ứng” lại với thế giới xung quanh giống như hệ thống thị giác sinh học người. Ví dụ, giống thị giác sinh học của người, thị giác máy thu nhận, phân tích hình ảnh bằng các phương pháp và giải pháp công nghệ khác nhau nhằm hiểu biết và kiểm soát tự động các sản phẩm công nghiệp hoặc dẫn đường trong robot công nghiệp. Theo cách tiếp cận truyền thống, hệ thống máy được lập trình sẵn để giải quyết các nhiệm vụ cụ thể theo tình huống xác định. Hiện nay, các hệ thống thông minh sử dụng kỹ thuật trí tuệ nhân tạo để học từ dữ liệu thực tế, giải quyết các bài toán có tính phổ quát như con người. Thị giác nhân tạo được xem là tiêu chuẩn đánh giá khả năng của máy thông minh. Trong trường hợp lý tưởng, máy thông minh có khả năng tích hợp thiết bị thị giác, lập luận, hiểu và chuyển thể ngôn ngữ tự nhiên nhằm ra quyết định tương tác với các thực thể giao tiếp khác. | ||
− | + | ||
Thông thường, hệ thống thị giác máy gồm các thành phần chính như thu nhận dữ liệu, tiền xử lý, trích chọn và biểu diễn đặc trưng từ hình ảnh, phân loại nhận dạng mẫu, biễu diễn tri thức, ra quyết định. Các bài toán giải quyết được trong thị giác máy: | Thông thường, hệ thống thị giác máy gồm các thành phần chính như thu nhận dữ liệu, tiền xử lý, trích chọn và biểu diễn đặc trưng từ hình ảnh, phân loại nhận dạng mẫu, biễu diễn tri thức, ra quyết định. Các bài toán giải quyết được trong thị giác máy: | ||
#[[nhận dạng ảnh|Nhận dạng]] (''recognition''): bài toán truyền thống trong thị giác máy liên quan đến yêu cầu xác định trong bức ảnh liệu có chứa những đối tượng quan tâm, các đặc trưng hay hoạt động cụ thể (gọi tắt là đối tượng quan tâm) hay không? Nhận dạng liên quan đến bài toán một hoặc một số đối tượng, lớp đối tượng cụ thể có thể được nhận ra nhờ vào “tri thức” máy đã được học thông qua các đặc trưng được trích rút từ hình dạng trong không gian 2 chiều (2D) hoặc không gian 3 chiều (3D) của đối tượng trong bức ảnh hoặc video thu nhận được. Một số bài toán con của lĩnh vực nhận dạng mẫu như: | #[[nhận dạng ảnh|Nhận dạng]] (''recognition''): bài toán truyền thống trong thị giác máy liên quan đến yêu cầu xác định trong bức ảnh liệu có chứa những đối tượng quan tâm, các đặc trưng hay hoạt động cụ thể (gọi tắt là đối tượng quan tâm) hay không? Nhận dạng liên quan đến bài toán một hoặc một số đối tượng, lớp đối tượng cụ thể có thể được nhận ra nhờ vào “tri thức” máy đã được học thông qua các đặc trưng được trích rút từ hình dạng trong không gian 2 chiều (2D) hoặc không gian 3 chiều (3D) của đối tượng trong bức ảnh hoặc video thu nhận được. Một số bài toán con của lĩnh vực nhận dạng mẫu như: |