Дълбоко обучение за футбол Компютърно зрение (част I)
В тази поредица от статии ще видим колко дълбоко обучение се използва във футбола. Вместо да правиш просто.
В тази поредица от статии ще видим колко дълбоко обучение се използва във футбола. Вместо да правим прост каталог на това, което се прави, ние ще вдигнем ръце и ще изградим реална система за анализ на ефективността. Първите две статии ще бъдат посветени на изграждането на система за откриване на играчи на място с техники за компютърно зрение.
Компютърното зрение или компютърното зрение е едно от основните приложения на машинното обучение.
До 2017 г. напредъкът в тази област беше впечатляващ. Въпреки спад през последните години, вече имаме системи, които ни позволяват да правим много интересни неща. В тази статия представям YOLO: Поглеждаш само веднъж.
Въведение в автоматичното откриване на обект: компютърно зрение
За човешкото око откриването на обекти в изображение е много просто действие, а за компютър задачата е много по-сложна. До съвсем наскоро откриването на обекти се извършваше с помощта на методи за градиент на изображението. Освен че тези методи са много скъпи и много по-малко надеждни, което води до бавни и не много използваеми системи.
Появата на дълбоко обучение и появата на модели като конволюционни невронни мрежи изведоха компютърното зрение в ново измерение.
Освен това компютърното зрение е един от основните компоненти на автономната кола. Това е едно от приложенията, което е помогнало да се запази ентусиазмът в тази област.
Днес системите за компютърно зрение са силно развити и са постигнали впечатляващи нива на производителност. По този начин AI са надминали резултатите на лекарите за диагностика на рак.
Дори последните години да изглеждат като плато за компютърно зрение с няколко големи открития, изследванията все още са много активни и имаме много здрави инструменти. YOLO е идеалният пример.
Как работи YOLO ?
YOLO е система за компютърно зрение с отворен код, която при създаването си през 2016 г. предлага иновативен подход към проблема. Позволява да се открият в изображение или видео присъстващите обекти и мястото, на което се намират.
В случай на анализ на видео, последователността е разделена на няколко изображения. След това идеята е да се анализира изображението с невронна мрежа. След това изображението се нарязва на няколко малки области и системата за откриване се прилага всеки път.
Системата рамкира региона, дава му етикет от данните за обучение, които е проучила, и изчислява оценка на доверието за прогнозата.
Как YOLO работи за откриване на обекти в изображение
YOLO стана изключително важен, особено благодарение на неговите характеристики и скорост. Тя позволява незабавен анализ на изображения.
Нещо повече, този подход също така дава възможност за оптимизиране на работата на използваните конволюционни мрежи. Вместо да обработваме обектите един след друг със специални данни за обучение всеки път (както направихме за Fashion MNIST), ние подхождаме към проблема по по-глобален начин.
YOLO е проект, който е последван от много инженери и изследователи на машинното обучение. Това гарантира повтарящи се надстройки. Всъщност наскоро беше пусната версия 5 и тя ви позволява да вървите още по-бързо, без да губите ефективност! Докъде ще стигнем ?