Computer vision2 is the transformat

Computer vision2 is the transformation of data from 2D/3D stills or videos into either a decision or a new representation. All such transformations are done for achieving some particular goal. The input data may include some contextual information such as “the camera is mounted in a car” or “laser range finder indicates an object is 1 meter away”. The decision might be “there is a person in this scene” or “there are 14 tumor cells on this slide”. A new representation might mean turning a color image into a grayscale image or removing camera motion from an image sequence.
Because we are such visual creatures, it is easy to be fooled into thinking that computer vision tasks are easy. How hard can it be to find, say, a car when you are staring at it in an image? Your initial intuitions can be quite misleading. The human brain divides the vision signal into many channels that stream different pieces of information into your brain. Your brain has an attention system that identifies, in a task-dependent way, important parts of an image to examine while suppressing examination of other areas. There is massive feedback in the visual stream that is, as yet, little understood. There are widespread associative inputs from muscle control sensors and all of the other senses that allow the brain to draw on cross-associations made from years of living in the world. The feedback loops in the brain go back to all stages of processing including the hardware sensors themselves (the eyes), which mechanically control lighting via the iris and tune the reception on the surface of the retina.
In a machine vision system, however, a computer receives a grid of numbers from the camera or from disk, and, in most cases, that’s it. For the most part, there’s no built-in pattern recognition, no automatic control of focus and aperture, no cross-associations with years of experience. For the most part, vision systems are still fairly naïve. Figure 1- 1 shows a picture of an automobile. In that picture we see a side mirror on the driver’s side of the car. What the computer “sees” is just a grid of numbers. Any given number within that grid has a rather large noise component and so by itself gives us little information, but this grid of numbers is all the computer “sees”. Our task then becomes to turn this noisy grid of numbers into the perception: “side mirror”. Figure 1-2 gives some more insight into why computer vision is so hard.

Kết quả (Việt) 1:

Máy tính vision2 là sự chuyển đổi của các dữ liệu từ 2D/3D tĩnh hoặc video vào một quyết định hoặc một đại diện mới. Tất cả các biến đổi đó được thực hiện để đạt được một số mục tiêu cụ thể. Đầu vào dữ liệu có thể bao gồm một số thông tin theo ngữ cảnh, chẳng hạn như "máy ảnh được đặt trong một chiếc xe" hoặc "laser range finder cho thấy một đối tượng là 1 mét đi". Quyết định có thể là "không có một người trong cảnh này" hoặc "không có 14 khối u tế bào trên slide này". Một đại diện mới có thể có nghĩa là biến một hình ảnh màu thành một hình ảnh màu xám hoặc loại bỏ máy ảnh chuyển động từ một chuỗi hình ảnh.Bởi vì chúng tôi là những sinh vật trực quan, nó là dễ dàng để được fooled vào suy nghĩ rằng máy tính tầm nhìn công việc được dễ dàng. Làm thế nào cứng nó có thể là tìm thấy, nói, một chiếc xe khi bạn đang nhìn chằm chằm vào nó vào một hình ảnh? Intuitions ban đầu của bạn có thể khá gây hiểu nhầm. Bộ não con người chia tín hiệu tầm nhìn vào nhiều kênh đó dòng phần khác nhau của các thông tin vào trong bộ não của bạn. Bộ não của bạn có một hệ thống sự chú ý xác định, trong một cách phụ thuộc vào nhiệm vụ, các bộ phận quan trọng của một hình ảnh để kiểm tra trong khi đàn áp trong việc kiểm tra của các khu vực khác. Có thông tin phản hồi lớn trong dòng hình ảnh đó là, như được nêu ra, ít hiểu rõ. Có là phổ biến rộng rãi kết hợp đầu vào từ cơ bắp điều khiển cảm biến và tất cả các giác quan khác cho phép bộ não để vẽ trên đường-Hiệp hội được thực hiện từ năm của cuộc sống trên thế giới. Vòng lặp thông tin phản hồi trong não trở lại tất cả các giai đoạn xử lý bao gồm các cảm biến phần cứng mình (mắt), Máy móc kiểm soát ánh sáng thông qua iris và điều chỉnh việc tiếp nhận trên bề mặt của võng mạc.Trong một hệ thống tầm nhìn máy, Tuy nhiên, một máy tính sẽ nhận được một mạng lưới các số từ máy ảnh hoặc từ đĩa, và, trong hầu hết trường hợp, đó là nó. Hầu hết các phần, đó là không công nhận mẫu được xây dựng trong, không có điều khiển tự động tập trung và độ mở ống kính, không có chữ thập Hiệp hội với nhiều năm kinh nghiệm. Hầu hết các phần, tầm nhìn hệ thống vẫn còn khá là ngây thơ. Con số 1 - 1 cho thấy một hình ảnh của một ô tô. Trong đó là hình ảnh chúng tôi nhìn thấy một gương mặt bên của trình điều khiển của chiếc xe. Những gì máy tính "nhìn thấy" chỉ là một mạng lưới các con số. Bất kỳ số nhất định trong mạng lưới mà có một thành phần khá lớn tiếng ồn và do đó của chính nó cho chúng ta ít thông tin, nhưng mạng lưới các con số là tất cả máy tính "thấy". Nhiệm vụ của chúng tôi sau đó sẽ trở thành để bật lưới này ồn ào của số điện thoại vào nhận thức: "gương mặt". Hình 1-2 cung cấp cho một số sâu thêm vào lý do tại sao máy tính tầm nhìn là khó khăn như vậy.

Kết quả (Việt) 2:

Máy tính vision2 là sự chuyển đổi dữ liệu từ ảnh tĩnh 2D / 3D hoặc video vào quyết định hoặc một đại diện mới. Tất cả các biến đổi đó được thực hiện để đạt được một số mục tiêu cụ thể. Các dữ liệu đầu vào có thể bao gồm một số thông tin theo ngữ cảnh như "máy ảnh được gắn trong một chiếc xe hơi" hoặc "phạm vi bằng laser công cụ tìm thấy một đối tượng là 1 mét". Các quyết định có thể là "có một người trong cảnh này" hoặc "có 14 tế bào khối u trên slide". Một đại diện mới có thể có nghĩa là chuyển một hình ảnh màu thành ảnh màu xám hoặc loại bỏ các chuyển động máy ảnh từ một chuỗi hình ảnh.
Bởi vì chúng ta là những sinh vật trực quan như vậy, nó rất dễ dàng để bị lừa nghĩ rằng nhiệm vụ thị giác máy tính được dễ dàng. Làm thế nào cứng nó có thể được tìm thấy, nói rằng, một chiếc xe khi bạn đang nhìn chằm chằm vào nó trong một hình ảnh? Trực giác ban đầu của bạn có thể là khá sai lầm. Bộ não con người chia tín hiệu tầm nhìn vào nhiều kênh truyền thông tin khác nhau vào bộ não của bạn. Bộ não của bạn có một hệ thống chú ý xác định rằng, trong một cách nhiệm vụ phụ thuộc, các bộ phận quan trọng của một hình ảnh để kiểm tra trong khi ức chế thi của các khu vực khác. Có thông tin phản hồi khổng lồ trong dòng trực quan đó là, như nào, ít được biết đến. Có đầu vào liên kết rộng rãi từ các cảm biến kiểm soát cơ bắp và tất cả các giác quan khác cho phép bộ não để vẽ trên cross-hiệp hội thực hiện từ năm sống trên thế giới. Các vòng phản hồi trong não trở lại tất cả các công đoạn chế biến bao gồm các cảm biến phần cứng của mình (mắt), mà máy móc kiểm soát ánh sáng qua mống mắt và điều chỉnh việc tiếp nhận trên bề mặt của võng mạc.
Trong một hệ thống thị giác máy, tuy nhiên, một máy tính nhận được một mạng lưới các con số từ các máy ảnh hoặc từ đĩa, và, trong nhiều trường hợp, đó là nó. Đối với hầu hết các phần, không có xây dựng trong nhận dạng mẫu, không có điều khiển tự động lấy nét và độ mở ống kính, không có chéo hiệp hội với nhiều năm kinh nghiệm. Đối với hầu hết các phần, các hệ thống tầm nhìn vẫn còn khá ngây thơ. Hình 1- 1 cho thấy một hình ảnh của một chiếc ô tô. Trong bức ảnh mà chúng ta thấy một gương mặt vào phía tài xế của chiếc xe. Chỉ là một mạng lưới các số những gì máy tính "thấy" được. Bất kỳ số lượng nhất định trong mạng lưới mà có một phần tiếng ồn khá lớn và do bởi chính nó cho chúng ta ít thông tin, nhưng lưới này của các con số là tất cả các máy tính "thấy". Nhiệm vụ của chúng tôi sau đó trở nên biến lưới này ồn ào của những con số vào nhận thức: "gương mặt". Hình 1-2 đưa ra một số cái nhìn sâu sắc hơn vào lý do tại sao máy tính tầm nhìn là khó khăn như vậy.