OpenCV 3 lernen

Kapitel 20. Die Grundlagen des maschinellen Lernens in OpenCV

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In diesem Kapitel beginnen wir mit einer Diskussion über die Maschinerie, die das Sehen in Wahrnehmung umwandelt - mit anderen Worten, die Maschinerie, die die visuellen Eingaben in eine sinnvolle visuelle Semantik verwandelt.

In den vorangegangenen Kapiteln haben wir besprochen, wie man 2D- oder 2D+3D-Sensordaten in Merkmale, Cluster oder geometrische Informationen umwandelt. In den nächsten drei Kapiteln werden wir die Ergebnisse dieser Techniken nutzen, um Merkmale, Segmentierungen und ihre Geometrie in die Erkennung von Szenen oder Objekten umzuwandeln; dieser Schritt verwandelt die Rohdaten in eine Wahrnehmung: was die Maschine sieht und wo sie sich relativ zur Kamera befindet.

In diesem Kapitel werden wir die Grundlagen des maschinellen Lernens behandeln, wobei wir uns vor allem darauf konzentrieren, was es ist. Wir werden uns einige einfache Möglichkeiten des maschinellen Lernens in der Bibliothek ansehen, die einen guten Ausgangspunkt für das Verständnis der grundlegenden Ideen des maschinellen Lernens insgesamt bilden. Im nächsten Kapitel werden wir genauer darauf eingehen, wie moderne Methoden des maschinellen Lernens in der Bibliothek implementiert werden.¹

Was ist maschinelles Lernen?

Das Ziel des maschinellen Lernens (ML)² ist es, Daten in Informationen zu verwandeln.