Wat is AI beeldherkenning?

Beeldherkenning is het vermogen van een computergestuurde camera om objecten of kenmerken in een digitaal beeld of video te identificeren en te detecteren. Het is een methode om beelden vast te leggen, te verwerken, te onderzoeken en te sympathiseren. Om beelden te identificeren en te detecteren, maken computers gebruik van machine vision technologie en prescriptive analytics software die wordt aangestuurd door een kunstmatig intelligentiesysteem. Een typisch beeldherkenningsalgoritme omvat het volgende:

  • Optische tekenherkenning
  • Patroonmatching en gradiëntmatching
  • Gezichtsherkenning
  • Kentekenplaatherkenning
  • Identificatie van scènes

Hoe werkt beeldherkenning?

Beeldherkenningstechnologie werkt door het detecteren van opvallende gebieden, dat zijn delen die de meeste informatie bevatten over het beeld of het object. Dit gebeurt door het isoleren van de meest informatieve delen of kenmerken in een geselecteerd beeld en deze te lokaliseren, terwijl de rest van de kenmerken, die misschien niet van veel belang zijn, genegeerd wordt. Het proces maakt gebruik van een beeldherkenningsalgoritme, ook wel beeldclassificator genoemd, dat een beeld als invoer neemt en aangeeft wat het beeld bevat. Om te weten wat een afbeelding bevat, moet een algoritme worden getraind om de verschillen tussen klassen te leren. Als het doel van een beeldherkenningssysteem bijvoorbeeld is om honden te detecteren en te identificeren, moet het beeldherkenningsalgoritme worden getraind met duizenden afbeeldingen van honden en duizenden afbeeldingen van achtergronden die geen honden bevatten.

Hoe werkt het beeldherkenningsalgoritme?

Verschillende gezichtsherkenningsmodellen maken gebruik van verschillende algoritmen om hun programmatische taken uit te voeren. Sommige programma’s gebruiken algoritmen die gezichtskenmerken identificeren door extractie van gezichtskenmerken uit een afbeelding waarop een gezicht van het onderwerp te zien is. Het algoritme analyseert de positie en de vorm van de ogen, de kaak en andere gelaatstrekken. De gegevens die bij een dergelijke analyse worden verkregen, worden later gebruikt om te zoeken naar andere beelden met soortgelijke gezichtskenmerken.

Andere algoritmen daarentegen werken door de galerij van een gegeven gezichtsafbeelding te normaliseren en vervolgens de specifieke gezichtsgegevens te comprimeren, waarbij alleen de gegevens worden bewaard die voor gezichtsherkenning kunnen worden gebruikt. Een eindresultaat in de vorm van een taster wordt vergeleken met de database van gezichtskenmerken. Dit kan worden omschreven als een van de vroegste gezichtsherkenningssystemen die succesvol waren.

Algoritmen voor gezichtsherkenning kunnen in twee hoofdcategorieën worden onderverdeeld: geometrische algoritmen die gericht zijn op het identificeren van verschillende gelaatstrekken, en fotometrische algoritmen die een gegeven beeld destilleren in verschillende waarden die later worden vergeleken met de waarden in sjablonen om varianties te elimineren. Sommige onderzoekers zijn geneigd onderscheid te maken tussen twee grote categorieën: holistisch en gebaseerd op kenmerken. De holistische benadering is gericht op het herkennen van het gezicht in zijn geheel, terwijl de feature-based benadering het gegeven gezicht onderverdeelt in verschillende componenten en elk van hen afzonderlijk analyseert.

Softwareoplossingen voor gezichtsherkenning gebruiken verschillende algoritmen die op verschillende principes werken. Sommige omvatten eigenfaces en principale componentenanalyse, terwijl andere gebruik maken van lineaire discriminantanalyse, elastische grafiekmatching en verborgen Markovmodel. Ze hebben allemaal hun voor- en nadelen, het komt allemaal neer op individuele voorkeuren van de klant die gezichtsherkenning in zijn bedrijf wil integreren.

Lees ook: 3 Voordelen van Nike Air Jordans

Scroll naar boven