Machine learning pratico per la visione artificiale
by Valliappa Lakshmanan, Martin Görner, Ryan Gillard
Capitolo 1. Apprendimento automatico per la visione artificiale
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Immagina di essere seduto in un giardino e di osservare ciò che accade intorno a te. Nel tuo corpo sono all'opera due sistemi: gli occhi agiscono come sensori e creano rappresentazioni della scena, mentre il sistema cognitivo dà un senso a ciò che gli occhi vedono. Così, potresti vedere un uccello, un verme e un po' di movimento e capire che l'uccello ha camminato lungo il sentiero e sta mangiando un verme (vedi Figura 1-1).
Figura 1-1. La visione umana coinvolge i nostri sistemi sensoriali e cognitivi.
La computer vision cerca di imitare le capacità visive umane fornendo metodi per la formazione di immagini (imitando il sistema sensoriale umano) e la percezione artificiale (imitando il sistema cognitivo umano). L'imitazione del sistema sensoriale umano si concentra sull'hardware e sulla progettazione e posizionamento di sensori come le telecamere. L'approccio moderno all'imitazione del sistema cognitivo umano consiste in metodi di apprendimento automatico (ML) che vengono utilizzati per estrarre informazioni dalle immagini. È di questi metodi che ci occupiamo in questo libro.
Quando vediamo una fotografia di una margherita, ad esempio, il nostro sistema cognitivo umano è in grado ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access