Computer Vision – Nó là gì và tại sao nó quan trọng?

Computer Vision là một lĩnh vực trí tuệ nhân tạo nhằm đào tạo máy tính để hiểu và diễn giải về thế giới như cách con người nhìn thấy. Bằng việc sử dụng hình ảnh kỹ thuật số từ các máy ảnh và những đoạn phim cũng như các mô hình học sâu (deep learning), máy móc có thể xác định và phân loại chính xác các đối tượng – tiếp sau đó phản ứng với những gì chúng “nhìn thấy”.

Nhưng trước khi đi vào chi tiết, chúng ta cần phải hiểu Computer Vision là gì? Và lướt qua một chút về lịch sử của lĩnh vực này. Nào hãy cùng bắt đầu!

Computer Vision là gì?

Computer Vison (tạm dịch là Thị giác máy tính) là một lĩnh vực liên ngành đề cập đến cách máy tính có thể được tạo ra để đạt được hiểu biết cấp cao từ hình ảnh hoặc video kỹ thuật số. Từ góc độ kỹ thuật, nó tìm cách tự động hóa các nhiệm vụ mà hệ thống thị giác của con người có thể thực hiện.

Thị giác máy tính liên quan đến việc trích xuất tự động, phân tích và hiểu thông tin hữu ích từ một hình ảnh đơn lẻ hoặc một chuỗi hình ảnh. Nó liên quan đến việc phát triển cơ sở lý thuyết và thuật toán để đạt được sự hiểu biết trực quan tự động. Là một ngành khoa học, thị giác máy tính quan tâm đến lý thuyết đằng sau các hệ thống nhân tạo trích xuất thông tin từ hình ảnh. Dữ liệu hình ảnh có thể ở nhiều dạng, chẳng hạn như chuỗi video, chế độ xem từ nhiều camera hoặc dữ liệu đa chiều từ máy quét y tế. Là một ngành công nghệ, thị giác máy tính tìm cách áp dụng các lý thuyết và mô hình của nó để xây dựng các hệ thống thị giác máy tính.

Lịch sử của Computer Vision

Các thí nghiệm ban đầu về thị giác máy tính diễn ra vào những năm 1950, sử dụng một số mạng nơ-ron đầu tiên để phát hiện các cạnh của vật thể và sắp xếp các vật thể đơn giản thành các loại như hình tròn và hình vuông.

Đến những năm 1970, việc sử dụng thương mại đầu tiên của thị giác máy tính đã diễn giải văn bản được đánh máy hoặc viết tay bằng cách sử dụng nhận dạng ký tự quang học (Optical Character Recognition – OCR). Sự tiến bộ này được sử dụng để giải thích văn bản viết cho người mù.

Khi internet phát triển vào những năm 1990, khiến cho một lượng lớn hình ảnh sẵn có trên mạng sử dụng cho các chương trình nhận dạng và phân tích khuôn mặt phát triển mạnh mẽ. Những tập dữ liệu này ngày càng gia tăng, đã giúp máy móc có thể xác định những người cụ thể trong ảnh và video.

Ngày nay, một số yếu tố đã hội tụ đã mang lại sự “phục hưng” trong thị giác máy tính:

• Công nghệ di động với camera tích hợp đã làm bão hòa của thế giới hình ảnh và video.
• Sức mạnh tính toán đã trở nên hợp lý hơn và dễ dàng tiếp cận hơn.
• Phần cứng được thiết kế cho Computer Vision và kỹ thuật phân tích được phổ biến rộng rãi hơn.
• Các thuật toán mới như mạng nơ-ron hội tụ có thể tận dụng các khả năng của phần cứng và phần mềm.

Tác động của những tiến bộ này đối với lĩnh vực Computer Vision thật đáng kinh ngạc. Tỷ lệ chính xác để xác định và phân loại đối tượng đã tăng từ 50% lên 99% trong vòng chưa đầy một thập kỷ - và các hệ thống ngày nay chính xác hơn con người trong việc phát hiện và phản ứng nhanh chóng với các đầu vào trực quan.

Computer vision trong thế giới ngày nay

Từ nhận dạng khuôn mặt cho đến xử lý hành động trực tiếp của một trận bóng đá, thị giác máy tính có thể cạnh tranh và vượt qua khả năng thị giác của con người trong nhiều lĩnh vực. Bằng cách kết hợp với những lĩnh vực khác trong khoa học AI (Artificial Intelligent – Trí tuệ nhân tạo), đã thúc đẩy Computer Vision trở thành một trong những ngành “hot” nhất trong thời đại ngày nay.

• Deep Learning (Học sâu) và Computer Vision: Học sâu huấn luyện máy tính nhìn như thế nào? Tìm hiểu cách hoạt động của các loại mạng nơ-ron khác nhau và cách chúng được sử dụng cho thị giác máy tính. Học sâu là một loại học máy huấn luyện máy tính thực hiện các tác vụ giống như con người, chẳng hạn như nhận dạng giọng nói, xác định hình ảnh hoặc đưa ra dự đoán. Thay vì tổ chức dữ liệu để chạy thông qua các phương trình được xác định trước, học sâu thiết lập các tham số cơ bản về dữ liệu và huấn luyện máy tính tự học bằng cách nhận dạng các mẫu sử dụng nhiều lớp xử lý.

• Phân tích hình ảnh và AI: Xem và giới thiệu về phân tích hình ảnh và tìm hiểu các kỹ thuật phân tích mà bạn có thể áp dụng cho dữ liệu hình ảnh. “Nhận dạng khuôn mặt” là một hệ thống sinh trắc học. Hệ thống thường là một đường ống gồm 4 giai đoạn: phát hiện, sắp xếp, đại diện và phân loại. Khám phá cách một miếng dán mặt được biến đổi thành một vectơ đặc trưng hoặc một tập hợp các điểm phúc tinh và vị trí tương ứng của chúng.

Cách thức hoạt động của Computer Vision

Computer vision hoạt động theo ba bước cơ bản:

• Thu nhận hình ảnh: Hình ảnh, thậm chí cả tập hợp lớn, có thể được thu thập trong thời gian thực thông qua video, hình ảnh hoặc công nghệ 3D để phân tích.
• Xử lý hình ảnh: Các mô hình học sâu tự động hóa phần lớn quy trình này, nhưng các mô hình này thường được đào tạo bởi lần đầu được cung cấp hàng nghìn hình ảnh được gắn nhãn hoặc được xác định trước.
• Nhật biết hình ảnh: Bước cuối cùng là bước diễn giải, nơi một đối tượng được xác định hoặc phân loại.

Các hệ thống AI ngày nay có thể tiến thêm một bước nữa và thực hiện các hành động dựa trên sự hiểu biết về hình ảnh. Có nhiều loại Computer Vision được sử dụng theo những cách khác nhau:

• Phân đoạn hình ảnh: phân vùng hình ảnh thành nhiều vùng hoặc nhiều mảnh để kiểm tra một cách riêng biệt.
• Phát hiện đối tượng: xác định một đối tượng cụ thể trong ảnh. Tính năng phát hiện đối tượng nâng cao sẽ nhận dạng nhiều đối tượng trong một hình ảnh: sân bóng, cầu thủ tấn công, cầu thủ phòng thủ, quả bóng, v.v. Các mô hình này sử dụng tọa độ X, Y để tạo hộp giới hạn và xác định mọi thứ bên trong hộp.
• Nhận dạng khuôn mặt: là một loại phát hiện đối tượng nâng cao không chỉ nhận dạng khuôn mặt người trong ảnh mà còn nhận dạng một cá nhân cụ thể.
• Phát hiện cạnh: là một kỹ thuật được sử dụng để xác định cạnh bên ngoài của một đối tượng hoặc phong cảnh để xác định rõ hơn những gì có trong ảnh.
• Phát hiện mẫu: là một quá trình nhận dạng các hình dạng, màu sắc và các chỉ số thị giác khác được lặp lại trong hình ảnh.
• Phân loại hình ảnh: nhóm các hình ảnh thành các loại khác nhau.
• So khớp đặc tính: là một loại phát hiện mẫu phù hợp với các điểm tương đồng trong hình ảnh để giúp phân loại chúng.

Các ứng dụng đơn giản của Computer Vision có thể chỉ sử dụng một trong các kỹ thuật này, nhưng các ứng dụng nâng cao hơn, như Computer Vision cho ô tô tự lái, dựa vào nhiều kỹ thuật để hoàn thành mục tiêu của chúng.

Tạm kết

Sắp xếp và phân loại hình ảnh có thể là một công việc lặp đi lặp lại và tốn kém. Với Computer Vision, nhân lực cần thiết để thực hiện nhiệm vụ này được giảm bớt để con người có thể tập trung vào các hoạt động phát triển khác. Nói một cách đơn giản, lợi ích Computer Vision là bạn sẽ tiết kiệm tiền và cải thiện độ chính xác, nhất quán, tốc độ và khả năng mở rộng trên các hoạt động xử lý hình ảnh của mình.