Widzenie komputerowe oparte na technologii uczenia maszynowego

Monografia po¿wi¿cona jest rozwojowi metod i narz¿dzi wizji komputerowej wykorzystuj¿cych sztuczn¿ inteligencj¿ do szybkiej identyfikacji poruszaj¿cych si¿ obiektów w strumieniu danych wideo w oparciu o technologie g¿¿bokiego uczenia. Rozwäane s¿ klasyczne i nieklasyczne metody sztucznej inteligencji, konwolucyjne sieci neuronowe, wizja komputerowa i rozpoznawanie obrazów oraz teorie systemów sterowania oparte na szacunkach i kryteriach statystyki matematycznej. W wyniku rozpoznawania okre¿lany jest typ rozpoznawanego obiektu i obliczane s¿ ilo¿ciowe szacunki dok¿adno¿ci. Zaimplementowano metod¿ stosowania szablonów. Algorytm posiada informacje o tym, jak wygl¿da poszukiwany obiekt, jakie mo¿e mie¿ t¿o, jak wygl¿daj¿ okre¿lone kontury obiektu i w jakiej s¿ pozycji. Natychmiast brana jest pod uwag¿ mo¿liwa lokalizacja detekcji obiektu. Pozwala to na osi¿gni¿cie wysokiej jako¿ci rozpoznawania i dobrej wydajno¿ci. Gdy kamera wideo rejestruje kilka podobnych obiektów, zaspokajane s¿ ró¿ne szablony, a rozpoznawalno¿¿ spada. Modele sztucznych sieci neuronowych s¿ u¿ywane do szacowania lub przybli¿ania funkcji, które mog¿ zale¿e¿ od wielu danych wej¿ciowych i zazwyczaj s¿ nieznane.