بخش دوم: یادگیری و موارد استفاده بینایی ماشین

راهنمای کامل بینایی ماشین

بینایی ماشین یک نوآوری بسیار پیشرفته در  حوزه کلی هوش مصنوعی و یادگیری ماشین است و با افزایش تقاضا برای این دو فناوری، بینایی ماشین نیز به مرکز توجه متخصصان در بخش‌های مختلف تبدیل شده است.

چکیده

بینایی ماشین (Computer vision) در صنایع مختلف کاربردهای روزافزون دارد، اما خدمات این فناوری در حوزه نظارت و امنیت از مهم‌ترین مزایای آن است. دوربین‌های نظارتی با استفاده از این فناوری در مکان‌های عمومی مختلف می‌توانند فعالیت‌های مجرمانه و مشکوک را شناسایی کنند و جلوی ارتکاب جرم را بگیرند.

بینایی ماشین از حوزه‌های نوظهور و مهم در شاخه فناوری اطلاعات است. هوش مصنوعی، یادگیری ماشین و بینایی ماشین از حوزه‌هایی هستند که علاوه بر جذابیت و کاربرد وسیع آنها، امروزه بازار کار بسیار خوبی دارند و اکثر سازمان‌ها و شرکت‌های دولتی و خصوصی هزینه کلانی برای آنها صرف می‌کنند و متخصصان خبره را به کار می‌گیرند. این حوزه از پردرآمدترین حوزه‌های رایانه‌ای محسوب می‌شود. برای کسب مهارت در این حوزه به دپارتمان فناوری اطلاعات و ارتباطات مجتمع فنی تهران سری بزنید و دوره مناسب خود را انتخاب کنید.

بینایی ماشین؛ تحقق یک رؤیا

بینایی ماشین (Computer vision) یکی از حوره‌های مهم علوم رایانه‌ای و مهندسی رایانه است که سیستم‌ها را قادر می‌کند اطلاعات معنادار از داده‌های تصویری استخراج کنند. این شاخه به ما کمک می‌کند براساس اطلاعات استخراج‌شده اقدامات مناسب انجام دهیم و توصیه‌های مفید بکنیم.

بینایی ماشین به ما کمک می‌کند پیچیدگی قوه بینایی انسان را درک کنیم و سیستم‌های رایانه‌ای را به‌گونه‌ای تربیت کنیم که بتوانند تصاویر و دیدیوهای دیجیتال را تفسیر و درک کنند. پیشتر طراحی یک سیستم رایانه‌ای که قدرت بینایی شبیه چشم انسان داشته باشد، یک رؤیا بود، اما امروزه با پیشرفت‌هایی که در حوزه هوش مصنوعی و یادگیری ماشین حاصل شده است، این امر به تحقق نزدیک شده است. در این راهنمای جامع همه مسائل مطرح‌شده در حوزه بینایی ماشین را به اختصار مرور کرده‌ایم. در بخش نخست این مقاله، «راهنمای جامع بینایی ماشین، بخش نخست» به تاریخچه و حوزه‌های کاربرد بینایی ماشین پرداختیم. در بخش دوم به نحوه فراگرفتن حوزه بینایی ماشین‌ها و موارد استفاده متنوع این فناوری می‌پردازیم. و در بخش سوم این مبحث، «راهنمای جامع بینایی ماشین، بخش سوم» به زبان‌های برنامه‌نویسی یادگیری ماشین و چالش‌های پیش روی آن خواهیم پرداخت.

یادگیری حوزه بینایی ماشین

در حوزه بینایی ماشین همه اصول یادگیری ماشین، یادگیری عمیق و هوش مصنوعی صادق هستند، اما اگر بخواهید به طور ویژه این حوزه را فرابگیرید و بر آن مسلط شوید، باید مراحل زیرا طی کنید:

• پایه علمی لازم را در خود ایجاد کنید

پیش از ورود به این حوزه، باید درک و دانشی عمیق از مفاهیم پیشرفته ریاضیات، مانند احتمال، آمار، جبر خطی، حساب و غیره داشته باشید.

همچنین باید زبان‌های برنامه‌نویسی مانند پایتون را بشناسید و این امر باعث می‌شود در این حوزه سریع‌تر رشد کنید و از رقبا جلو بیفتید.

• پردازش تصاویر دیجیتال

بهتر است با ابزارهای ویرایش تصویر و شیوه‌های بنیادی کار آنها آشنا باشید. مثلاً باید ابزار متعادل‌سازی هیستوگرام (histogram equalization) را بشناسید که یکی از روش‌های معروف برای بهبود کنتراست تصویر است. در این روش از روی هیستوگرام تصویر، یک تابع برای تبدیل شدت روشنایی تصویر به دست می‌آید و وقتی این تابع روی تصویر اعمال می‌شود، نتیجه آن تصویری است که هیستوگرام آن یکنواخت شده و کنتراست آن بهبود پیدا کرده است.

همچنین باید فیلتر میانه را بشناسید. فیلتر میانه یکی از فیلترهای غیرخطی دیجیتال است. از این فیلتر برای گرفتن نویز تصویر و سیگنال استفاده می‌شود. این فرایند معمولاً پیش‌زمینه‌ تغییرات دیگر در تصویر و شناسایی‌های بخش‌های مختلف تصاویر است. مثلاً برای تشخیص گوشه تصویر ابتدا باید با استفاده از فیلتر میانه نویز تصویر را گرفت. از فیلتر میانه به‌طور گسترده‌ای در پردازش تصویر استفاده می‌شود.

به علاوه، باید شیوه‌های فشرده کردن تصویر و ویدیو از طریق فایل‌های JPEG و MPEG را بشناید. اگر اصول پردازش و ترمیم تصویر را بدانید، راه شما برای ورود به این حوزه باز خواهد شد.

• درک اصول یادگیری ماشین

برای ورود به این حوزه باید درک عمیقی از اصول یادگیری ماشین داشته باشید، مانند «شبکه عصبی پیچشی» (convolutional neural network) یا CNN، شبکه‌های عصبی و «ماشین بردار پشتیبانی» (Support vector machines) یا SVMs که یکی از روش‌های یادگیری بانظارت است و از آن برای طبقه‌بندی و رگرسیون استفاده می‌کنند و مبنای کاری آن دسته‌بندی خطی داده‌هاست. همچنین باید شبکه‌های عصبی بازگشتی، شبکه‌های زایای رقابتی و سایر شبکه‌ها را نیز بشناسید.

• اصول بینایی ماشین

در این مرحله شما باید با مدل‌های ریاضی مورد استفاده در فرمول‌بندی داده‌های تصویری آشنا شوید.

اینها برخی از پیش‌نیازهای مهمی هستند که برای آغاز حرفه‌ای در حوزه فناوری بینایی ماشین به آنها نیاز دارید. وقتی به این حوزه‌ها مسلط شدید، به‌سادگی می‌توانید در فناوری بینایی ماشین برای خود شغلی پیدا کنید.

موارد استفاده بینایی ماشین

بینایی ماشین یک نوآوری بسیار پیشرفته در  حوزه کلی هوش مصنوعی و یادگیری ماشین است و با افزایش تقاضا برای این دو فناوری، بینایی ماشین نیز به مرکز توجه متخصصان در بخش‌های مختلف تبدیل شده است. این حوزه تأثیرات عمیقی بر صنایع مختلف از جمله صنعت خرده‌فروشی، امنیت، سلامت، اتوماسیون و کشاورزی گذاشته است. در ادامه به برخی از رایج‌ترین کاربردهای بینایی ماشین در صنایع مختلف می‌پردازیم.

• تشخیص چهره

فناوری بینایی ماشین امکان می‌دهد از تصویر چهره افراد برای شناسایی هویت آنها استفاده کنیم. در اصل، ماشین می‌تواند با استفاده از داده‌های تصویر افراد، الگوریتم‌هایی را به کار ببرد که مشخصات چهره افراد را شناسایی می‌کنند و سپس این مشخصات را با مجموعه داده‌های جعلی مقایسه می‌کند. فیسبوک از فناوری تشخیص چهره برای بررسی و دسته‌بندی کاربران استفاده می‌کند. دولت‌ها نیز از این فناوری برای شناسایی مجرمان بهره می‌برند.

• سلامت و بهداشت

بینایی ماشین نقش مهمی در صنعت سلامت و بهداشت دارد. این فناوری تشخیص تومورهای سرطانی را ساده‌تر، سریع‌تر و ارزان‌تر کرده است و دقت آنها را بالا برده است. پزشکان به کمک این فناوری می‌توانند با سرعت بیشتری بیماران در وضعیت‌های خطرناک را شناسایی کنند.

• خودروهای بدون راننده

فناوری بینایی ماشین به خودروهای بدون راننده در شناسایی محیط پیرامون آنها و ضبط ویدیو از زوایای مختلف کمک کرده است. این کار باعث می‌شود خودروهای بدون راننده بتوانند خودروهای دیگر و اشیای مختلف را شناسایی کنند، علائم راهنمایی و رانندگی را تشخیص دهند، مسیرها را شناسایی کنند و در نهایت بتوانند مسافران را سالم به مقصد برسانند.

• نویسه‌خوان نوری

فناوری نویسه‌خوان نوری (optical character recognition) یا OCR به ما کمک می‌کند متون چاپی یا دست‌نویس را از میان داده‌های تصویری مانند عکس‌ها شناسایی کنیم و داده‌های متنی را از میان اسناد مختلف مانند فاکتورها و صورت‌حساب‌ها استخراج کنیم.

• معاینه فنی

بینایی ماشین نقش مهمی در فرایند معاینه فنی دارد و نقص‌ها و ویژگی‌های ماشین‌ها را شناسایی می‌کند.

• صنعت خرده‌فروشی (صندوق پرداخت خودکار)

بینایی ماشین در صنعت خرده‌فروشی در فروشگاه‌ها نیز به کار می‌رود و کالاها، قفسه‌های فروشگاهی و انتقال کالا را مدیریت می‌کند و می‌تواند به طور خودکار قیمت‌ها را محاسبه و هزینه کالاها را دریافت کند.

• مدل‌سازی سه‌بعدی

بینایی ماشین در نرم‌افزارهای مدل‌سازی سه‌بعدی از اشیای موجود نقش مهمی دارد و در حوزه‌های رباتیک، رانندگی خودکار، ردیابی سه‌بعدی، بازسازی سه‌بعدی، واقعیت افزوده و واقعیت مجازی کاربردهای وسیع و متنوعی دارد.

• تصویرسازی ماشینی

بینایی ماشین به پزشکان کمک می‌کند برای درمان بیماران تصمیمات آگاهانه‌تر بگیرند و می‌تواند بهش‌های مختلف اندام‌ها و بافت را تصویری کند. این کار برای تشخیص و درمان بهتر مؤثر است. در سی‌.تی. اسکن و ام.آر.آی از این فناوری استفاده می‌شود.

• امنیت صنعت اتوماسیون

استفاده از بینایی ماشین می‌تواند امنیت صنایع اتوماسیون، مانند خودروهای بدون راننده را به نحو چشمگیری افزایش دهد.

• نظارت

نظارت از مهم‌ترین مزایای فناوری بینایی ماشین است. دوربین‌های نظارتی با استفاده از این فناوری در مکان‌های عمومی مختلف می‌توانند فعالیت‌های مجرمانه و مشکوک را شناسایی کنند و جلوی ارتکاب جرم را بگیرند.

• تشخیص اثر انگشت و بیومتریک

فناوری بینایی ماشین در تشخیص هویت در این دو حوزه نیز اثرگذار است. بیومتریک شامل شناسایی هویت فرد بر اساس ویژگی‌های فیزیولوژیک وی مانند چهره، اثر انگشت، رنگ چشم، رفتار انسان و غیره است. در این حوزه بینایی ماشین با دانش پزشکی و علم رفتار انسان ترکیب می‌شود.‌

جمع‌بندی

فناوری بینایی ماشین امکان می‌دهد از تصویر چهره افراد برای شناسایی هویت آنها استفاده کنیم. بینایی ماشین همچنین در نرم‌افزارهای مدل‌سازی سه‌بعدی از اشیای موجود نقش مهمی دارد و در حوزه‌های رباتیک، رانندگی خودکار، ردیابی سه‌بعدی، بازسازی سه‌بعدی، واقعیت افزوده و واقعیت مجازی کاربردهای وسیع و متنوعی دارد.

در بخش نخست این مقاله، «راهنمای جامع بینایی ماشین، بخش نخست» به تاریخچه و حوزه‌های کاربرد بینایی ماشین پرداختیم. در بخش سوم این مبحث، «راهنمای جامع بینایی ماشین، بخش سوم» به زبان‌های برنامه‌نویسی یادگیری ماشین و چالش‌های پیش روی آن خواهیم پرداخت.

بینایی ماشین از حوزه‌های نوظهور و مهم در شاخه فناوری اطلاعات است. هوش مصنوعی، یادگیری ماشین و بینایی ماشین از حوزه‌هایی هستند که علاوه بر جذابیت و کاربرد وسیع آنها، امروزه بازار کار بسیار خوبی دارند و اکثر سازمان‌ها و شرکت‌های دولتی و خصوصی هزینه کلانی برای آنها صرف می‌کنند و متخصصان خبره را به کار می‌گیرند. این حوزه از پردرآمدترین حوزه‌های رایانه‌ای محسوب می‌شود. برای کسب مهارت در این حوزه به دپارتمان فناوری اطلاعات و ارتباطات مجتمع فنی تهران سری بزنید و دوره مناسب خود را انتخاب کنید.

در دنیای کسب‌وکار امروز، تحصیلات دانشگاهی برای حفظ ارزش شما به‌عنوان نیروی کار بااستعداد و کارآمد کافی نیستند. برای‌ اینکه مزیت رقابتی شخصی خود را حفظ کنید، باید بر آموزش مستمر و مادام‌العمر خود سرمایه‌گذاری کنید. خانواده بزرگ مجتمع فنی تهران هرساله به هزاران نفر کمک می‌کند تا در مسیر شغلی خود پیشرفت کنند.

اگر شاغل هستید و وقت ندارید در دوره‌های آموزشی حضوری شرکت کنید، مجتمع فنی تهران گزینه‌هایی عالی برای آموزش مجازی، آنلاین، آفلاین و ترکیبی ارائه می‌دهد. با شرکت در دوره‌های کوتاه‌مدت مجتمع فنی تهران و دریافت مدارک معتبر و بین‌المللی می‌توانید با اعتماد به نفس مسیر ترقی را طی کنید و در سازمان خود به مهره‌ای ارزشمند تبدیل شود.

منبع: Javatpoint

مترجم: بهناز دهکردی