کنترل تصویر ، ماشین بینایی ، پردازش تصویر ، ماشین ویژن ، دوربین پردازش تصویر

یادگیری ماشین در کنترل تصویر

یکی از مهمترین ابزار های کنترل و پردازش تصویر و شاید بتوان گفت مهمترین ابزار ، هوش مصنوعی یادگیری ماشین است. که هسته اصلی هوش مصنوعی می باشد یعنی بخش یادگیری ماشین است .یادگیری ماشین یا ماشین لرنینگ شامل انواع مختلفی از الگوریتم هایی میباشد . هرکدام از این الگوریتمها به یک نحوی کار می کند ولی در تمام این روش ها سه مرحله مشترک را داریم .

مرحله اول : دریافت اطلاعات در کنترل تصویر

اطلاعات از موضوع به صورت داده ها وارد یک الگوریتم می شود . این داده ها می توانند شکل های مختلفی داشته باشند . مثلاً داده های تصویری داده های صوتی داده های متنی انواع شکل های دیگر .

مرحله دوم : یادگیری و آموزش در کنترل تصویر

با استفاده از این داده‌ها و الگوریتم ما یاد می گیرد و آموزش داده می‌شود . تا به آن هدف مورد نظر برسد . مباحث اصلی در بخش دوم یعنی یادگیری تعریف می شوند .

این مرحله شامل الف : بازنمایی یا استخراج ویژگی و ب : آموزش الگوریتم کنترل تصویر میباشد .می بایست ویژگی های و اطلاعات مفید را از داده ها استخراج کنیم . به عنوان مثال در یک تصویر برای تشخیص یک مربع نیاز نداریم تمام نقاط تصویر را وارد الگوریتم کنیم . همین که بتوانیم گوشه ها و لبه ها زاویه ها را تشخیص بدهیم برای ما کافیست . برای تشخیص فرکانس یک سیگنال همین که بتوانیم فاصله پیک سیگنال و فاصله نقاط را تشخیص بدهیم کافی است . به این اطلاعات مفید ویژگی یا فیچر گفته می‌شود که در این مرحله می بایست از داده ها استخراج شوند .

سپس این ویژگی‌ها به عنوان ورودی الگوریتم استفاده می شوند . الگوریتم کنترل تصویر با استفاده از این اطلاعات آموزش داده می‌شود . معمولاً الگوریتم ها ، الگوریتمهای دسته بندی هستند و وظیفه دارند که داده های ورودی را به کلاس مربوط به خودش متعلق کنند . به عنوان مثال یکسری تصویر دایره و مربع داریم در این قسمت ویژگی هایی که برای تشخیص دایره و مربع مفید هستند استخراج می شوند. و وارد الگوریتم می شوند الگوریتم با استفاده از این داده ها یا الگو های ذخیره شده تشخیص خواهد داد که هر ورودی مربع یا دایره است .