Image Recognition

Распознавание изображений — это фундаментальная технология в более широкой области computer vision (CV), которая позволяет программным системам идентифицировать объекты, людей, места и текст на цифровых изображениях. Анализируя пиксельный контент изображения или видеокадра, эта технология пытается имитировать возможности визуального восприятия человеческого глаза и мозга. Работая на базе artificial intelligence (AI), распознавание изображений преобразует неструктурированные визуальные данные в структурированную, готовую к использованию информацию, служащую основой для автоматизации в самых разных отраслях: от здравоохранения до автономного транспорта.

Основные механизмы и технологии#

Современные системы распознавания изображений отошли от традиционного программирования на основе правил и теперь во многом полагаются на алгоритмы deep learning (DL). Наиболее распространенной архитектурой, используемой для этих задач, является Convolutional Neural Network (CNN). Сеть CNN обрабатывает изображения в виде сетки значений (обычно представляющих цветовые каналы Red, Green и Blue (RGB)) и пропускает их через множество слоев математических операций.

В ходе этого процесса сеть выполняет feature extraction. Начальные слои могут обнаруживать простые геометрические узоры, такие как края или углы, в то время как более глубокие слои объединяют эти узоры для распознавания сложных структур, таких как глаза, колеса или листья. Для достижения высокой точности этим моделям требуется огромное количество labeled training data. Крупномасштабные общедоступные наборы данных, такие как ImageNet, помогают моделям изучать статистическую вероятность того, что конкретное визуальное расположение соответствует такому понятию, как «кот», «велосипед» или «знак стоп».

Отличие распознавания от смежных концепций#

Хотя термин "распознавание изображений" часто используется как общее определение, он отличается от других специфических задач computer vision. Понимание этих нюансов критически важно для выбора правильной модели для твоего проекта:

• Распознавание против Image Classification: Классификация — это задача присвоения одной метки всему изображению (например, маркировка картинки как «пляж»). Распознавание — это более широкая возможность, которая позволяет системе понимать содержимое.
• Распознавание против Object Detection: В то время как распознавание определяет, что находится на изображении, детектирование определяет, где это находится. Алгоритмы детектирования рисуют bounding box вокруг каждого экземпляра объекта, отделяя его от фона.
• Распознавание против Instance Segmentation: Это выводит распознавание на новый уровень, определяя точные контуры пикселей объекта, а не просто рамку. Это крайне важно для приложений, требующих точных измерений, таких как biomedical image analysis.

Реальные приложения#

Полезность распознавания изображений охватывает практически каждый сектор, где генерируются визуальные данные.

• Медицинская диагностика: В здравоохранении алгоритмы распознавания помогают рентгенологам, анализируя медицинские изображения, такие как рентгенограммы и МРТ. Инструменты вроде AI in radiology могут выявлять аномалии, такие как опухоли или переломы, быстрее и иногда точнее, чем при одном лишь визуальном осмотре человека.
• Ритейл и инвентаризация: Smart supermarkets используют распознавание для отслеживания товаров по мере их снятия с полк, что обеспечивает работу систем автоматизированной оплаты. Аналогичным образом складские роботы используют его для идентификации и сортировки упаковок.
• Безопасность и контроль доступа: Системы Facial recognition обеспечивают безопасный доступ к смартфонам и зданиям путем проверки личности по базе данных сохраненных лицевых эмбеддингов.

Внедрение распознавания изображений с помощью Ultralytics YOLO26#

Для разработчиков и исследователей внедрение распознавания изображений стало значительно проще благодаря передовым моделям, таким как YOLO26, которая изначально поддерживает классификацию, детектирование и сегментацию. Следующий пример демонстрирует, как выполнять распознавание (а именно детектирование объектов) на изображении с использованием пакета Python ultralytics.

from ultralytics import YOLO

# Load a pre-trained YOLO26 model (n for nano, fastest speed)
model = YOLO("yolo26n.pt")

# Run inference on an image to recognize and locate objects
# The source can be a file path, URL, or webcam (source=0)
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results with bounding boxes and labels
results[0].show()

Для команд, желающих размечать собственные наборы данных и обучать пользовательские модели в облаке, Ultralytics Platform предлагает оптимизированную среду для управления всем жизненным циклом проекта по распознаванию изображений: от сбора данных до развертывания.

Будущие тренды#

По мере роста вычислительной мощности распознавание изображений эволюционирует в video understanding, где системы анализируют временной контекст в кадрах. Кроме того, интеграция generative AI позволяет системам не только распознавать изображения, но и генерировать их подробные текстовые описания, стирая грань между Natural Language Processing (NLP) и компьютерным зрением.