De 5 største Computer Vision-tendenser i 2022

De 5 største Computer Vision-tendenser i 2022

Computer vision (undertiden kaldet machine vision) er en af de mest spændende anvendelser af kunstig intelligens. Algoritmer, der er i stand til at forstå billeder - både billeder og bevægelig video - er et vigtigt teknologisk fundament bag mange innovationer, fra autonome, selvkørende køretøjer til smarte industrimaskiner og endda filtrene på din telefon, der får de billeder, du uploader til Instagram, til at se smukkere ud.

Sammen med sprogbehandlingsevner (naturlig sprogbehandling eller "NLP") er det grundlæggende for vores bestræbelser på at bygge maskiner, der er i stand til at forstå og lære om verden omkring dem, ligesom vi gør. Generelt involverer det applikationer, der drives af dyb læring - neurale netværk, der er uddannet på tusinder, millioner eller milliarder af billeder, indtil de bliver eksperter i at klassificere, hvad de kan "se".

Værdien af markedet inden for computer vision-teknologi forventes at ramme 48 milliarder dollars ved udgangen af 2022 og vil sandsynligvis være en kilde til løbende innovation og gennembrud i løbet af året. Så lad os se på nogle af de vigtigste tendenser, vi vil følge, der involverer denne fascinerende teknologi:

Datacentreret kunstig intelligens er baseret på ideen om, at der skal sættes lige, hvis ikke mere, fokus på at optimere kvaliteten af de data, der bruges til at træne algoritmer, som det lægges i udviklingen af selve modellerne og algoritmerne. Forfægtet af Andrew Ng - berømt pioner inden for dyb læring - er dette nyligt opståede paradigme relevant på tværs af AI-discipliner, men især inden for computersyn.

Nogle af de første deep learning-baserede billedgenkendelsesmodeller blev udviklet af Dr. Ng hos Google med det formål at træne computere til at genkende billeder af katte, og de er især afhængige af kvaliteten af de data, de fodres med, snarere end kun mængden.

Dette fokus på iterativt at forbedre kvaliteten af mærkning - ved hjælp af automatiserede teknikker til udtrækning og mærkning af data - vil gøre det muligt at anvende computer vision-teknologi på problemer, hvor der er langt færre data til rådighed, hvilket potentielt sænker omkostningerne (i form af penge såvel som beregningsressourcer) og åbner mange nye potentielle brugssager.

En vigtig brugssag for computersyn er at spotte farer og slå alarmer, når noget går galt. Der er udviklet metoder til at gøre det muligt for computere at opdage usikker adfærd på byggepladser - såsom arbejdere uden hårde hatte eller sikkerhedsseler samt overvåge miljøer, hvor tunge maskiner som gaffeltrucks arbejder i nærheden af mennesker, så de automatisk kan lukkes ned, hvis nogen træder ind på deres vej. Med 2,7 millioner skader forårsaget på grund af arbejdsulykker hvert år, ifølge US Bureau of Labor Statistics, er dette et område, hvor virksomheder i stigende grad investerer for at reducere de menneskelige og økonomiske omkostninger forårsaget af tilsyn eller uopmærksomhed.

Selvfølgelig er forebyggelse af spredning af sygdom forårsaget af vira også en vigtig brugssag i disse dage, og her anvendes computersynsteknologier i stigende grad til at overvåge overholdelse af krav om social afstand samt maskepåbud.

Computer vision algoritmer er også blevet udviklet under den nuværende pandemi for at hjælpe med at diagnosticere infektion fra bryst røntgenstråler ved at lede efter tegn på infektion og skade på billeder af lunger.

Shopping og detailhandel er andre aspekter af livet, hvor vi er sikre på at bemærke den stigende forekomst af computer vision-teknologi i løbet af 2022. Amazon har været banebrydende for konceptet med kasseløse butikker med sine Go-købmandsforretninger, der er udstyret med kameraer, der simpelthen genkender, hvilke varer kunderne tager fra hylderne. Flere filialer vil åbne i løbet af 2022, og andre detailhandlere vil hoppe med på vognen, herunder Tesco, som åbner Storbritanniens første kassefrie supermarked.

Ud over at fritage mennesker for ansvaret for at scanne indkøb har computer vision en række andre anvendelser i detailhandlen, herunder lagerstyring, hvor kameraer bruges til at kontrollere lagerniveauer på hylder og i lagre og automatisk bestille genopfyldning, når det er nødvendigt. Det er også blevet brugt til at overvåge og forstå kundernes bevægelsesmønstre omkring butikker for at optimere placeringen af varer og selvfølgelig i sikkerhedssystemer for at afskrække butikstyve.

En anden stadig mere populær brugssag indebærer at give kunderne mulighed for at få oplysninger om produkter ved at scanne stregkoder ved hjælp af deres mobiltelefoner. I modehandel er en særlig sjov anvendelse af computersyn det "virtuelle monteringsrum", som giver kunderne mulighed for virtuelt at prøve varer uden at røre ved dem - kameraer i spejlet overlejrer simpelthen billeder af tøjet på spejlets refleksion og kan endda identificere produkter, som kunderne prøver på, og foreslå matchende tilbehør til at gå med dem.

Computer vision er et integreret element i de tilsluttede systemer i moderne biler. Selvom vores første tanker måske er om de kommende autonome køretøjer, har det en række andre anvendelser i det eksisterende sortiment af "forbundne" biler, der allerede er på vejene og parkeret i vores garager. Der er udviklet systemer, der bruger kameraer til at spore ansigtsudtryk for at lede efter advarselsskilte om, at vi måske bliver trætte og risikerer at falde i søvn ved rattet. Da dette siges at være en faktor i op til 25% af de dødelige og alvorlige trafikulykker, er det klart at se, at foranstaltninger som denne let kan redde liv.

Denne teknologi er allerede i brug i erhvervskøretøjer som godsvogne, og i 2022 kunne vi se, at den også begyndte at gøre sin vej ind i personbiler. Andre foreslåede anvendelser til computersyn i biler, der kan gøre det fra tegnebræt til virkelighed, omfatter overvågning af, om sikkerhedsseler bæres, og endda om passagerer efterlader nøgler og telefoner, når de forlader taxaer og samkørselskøretøjer.

Selvfølgelig vil computer vision også spille en stor rolle i selvkørende - den nuværende tankegang er, at det vil være det vigtigste indbyggede element i autonom navigation. Tesla meddelte i år, at deres biler primært vil stole på computersyn snarere end lidar og radar, der bruger henholdsvis laser- og radiobølger til at bygge en model af bilens miljø.

Edge computing beskriver systemer, hvor beregningen udføres så tæt som muligt på datakilden. Det er et udtryk, der bruges i modsætning til paradigmet for cloud computing, hvor data indsamles via sensorer og sendes til centraliserede servere til opbevaring og behandling. Inden for computersyn er det et stadig mere nyttigt koncept, da computer vision-systemer ofte udfører job, hvor der skal handles med det samme (tænk på de brugssager, der er nævnt i denne artikel under sikkerhed og autonom kørsel), og der er simpelthen ikke tid til, at data sendes til skyen!

Ud over de stigninger i hastighed, der kan opnås, har edge computing i forhold til computer vision vigtige konsekvenser for sikkerheden - en vigtig faktor at overveje, da virksomheder og enkeltpersoner står over for strammere kontrol og regulering af den måde, hvorpå videodata fanges og bruges. Med kantenheder såsom computer vision-udstyrede sikkerhedskameraer kan data analyseres i farten og kasseres, hvis der ikke er nogen grund til, at de opbevares, for eksempel hvis der ikke registreres mistænkelig aktivitet.

Inspirer webinar: Lås op for fordelen ved AI til at transformere din organisation med automatisering og handlingsrettet indsigt

Tilmeld dig nu for at deltage i AMCS' eksklusive Executive-webinar om 'Sådan låser du op for fordelen ved AI til at transformere din organisation med automatisering og handlingsrettet indsigt' med gæstetaler Bernard Marr den 14. juni. Klik her for at få mere at vide og tilmelde dig for at modtage en invitation.

AMCS Vision AI

AMCS Vision AI er vores kunstige intelligensdrevne computervisionsløsning designet til at digitalisere billeder af ressourcestrømme og servicehændelser for at give operatører automatiseret og kontinuerlig indsigt. Læs mere her om denne innovative løsning.