Artificial Intelligence – Computer Vision w języku Python

Computer Vision - przed nami jeden z najszybciej rosnących obszarów sztucznej inteligencji. Umiejętność sprawnego przetwarzania danych niestrukturalnych (takich jak obraz, czy video) staję się coraz bardziej pożądana, a sama dziedzina poprzez swoją specyfikę jest niezwykle interesująca.

Wystarcz spojrzeć na kilka zastosowań rozwiązań Computer Vision:

• pojazdy autonomiczne

• rozpoznawanie twarzy

• klasyfikacja obrazów

• detekcja obiektów

• detekcja i segmentacja obiektów

• detekcja ruchu

• śledzenie obiektów

• rekonstrukcja obrazów

• koloryzacja czarno-białych fotografii

• opisywanie obrazów

• konwersja image-to-text

• synteza text-to-image

• operacje chirurgiczne

• automatyczna ocena szkody (ubezpieczenia)

• video-weryfikacja tożsamości

• i wiele wiele innych...

Internet zalewa nas codziennie milionami obrazów. Wystarczy spojrzeć tylko na ostatnie 3-5 lat jak popularne stały się platformy społecznościowe, które zbudowały swoją potęgę na udostępnianiu zdjęć i materiałów video.

Wiodące sklepy obuwnicze w oparciu o skany ludzkich stóp zbudowały systemy pozwalające na spersonalizowaną rekomendację produktów.

Przykładów jest mnóstwo... to co, zaczynamy?

OpenCV

OpenCV to świetne narzędzie do przetwarzania obrazu i wykonywania zadań widzenia komputerowego (computer vision). Jest to biblioteka typu open source, której można używać do wykonywania zadań, takich jak detekcja twarzy, śledzenie objektów, wykrywanie punktów orientacyjnych i wiele innych. Obsługuje wiele języków, w tym Python, Java oraz C++.  Biblioteka wyposażona jest w setki przydatnych funkcji i algorytmów, z których wszystkie są dla nas za darmo. Niektóre z tych funkcji są naprawdę powszechne i są używane w prawie każdym zadaniu widzenia komputerowego.

Sieci neuronowe

Zainteresowanie sieciami neuronowymi nigdy w historii nie było tak wysokie jak w ostatnich latach. To pokazuje jak ważnym elementem stają się sieci neuronowe w nowoczesnym budowaniu aplikacji. Rozwiązania sztucznej inteligencji spotykamy praktycznie na każdym kroku, a część z nas już tak do tego przywykła, że nie jest w stanie się bez nich obejść.

W 2018 roku trzej pionierzy sztucznej inteligencji zdobyli nagrodę Turinga (Geoffrey Hinton, Yann LeCun, Yoshua Bengio). To wydarzenie podkreśla jak ważny element w dzisiejszym świecie pełni sztuczna inteligencja. 

Według Gartnera w 2019 roku najczęściej spotykane zastosowania sztucznej inteligencji to odpowiednio:

• czatboty

• optymalizacje procesów

• analiza transakcji i wyłudzeń finansowych

• segmentacja konsumentów

• diagnostyka sprzętowa

• wirtualne call center i asystent klienta

• rozpoznawanie twarzy

  
  

Boom na rozwiązania AI

Zastosowania sztucznej inteligencji (Artificial Intelligence) rosną w tempie wykładniczym. Od prostych modeli klasyfikujących pocztę mailową, wybierającą najbardziej optymalną trasę dojazdu, rozpoznającą nas w czasie rzeczywistym (wideoweryfikacja) po auta a nawet samoloty autonomiczne. A przed nami przecież tyle nieodkrytych obszarów w których można zastosować AI.

Do czego służy biblioteka Keras?

Keras to biblioteka open source do tworzenia sieci neuronowych, która jako backend wykorzystuje Tensorflow, CNTK, czy Theano. Jest doskonałym narzędziem do prototypowania i eksperymentowania oszczędzając nam wiele czasu przy pisaniu kodu. Stanowi także niską barierę wejścia dla osób, które dopiero zaczynają swoją karierę w uczeniu głębokim.