Hvad er en computervisionstest?
En computervisionstest præsenterer en række udfordringer til en visionalgoritme og noterer svar. Udviklingen af computersyn understøtter aktiviteter som automatisk billedbehandling, patientdiagnosticering og robotbevægelse. Faciliteter med interesse for dette emne bruger test til at bestemme det præstationsniveau, de kan opnå med forskellige algoritmer og programmer. Dette kan hjælpe dem med at bestemme, hvor deres arbejde skal forbedres, og hvilke slags forbedringer de skal vedtage for at gøre en algoritme mere funktionel.
Ligesom den menneskelige hjerne kan en computer fungere som en processor til visuel information ved hjælp af kameraer til visuel input. Computervision kan variere fra relativt enkle processer som genkendelse af et specifikt emne i det visuelle felt til mere kompleks analyse. Dette gøres gennem programmering såvel som uddannelse, der involverer computersynstest for at udfordre programmer. Et laboratorium er normalt nødvendigt til en computersynstest for at kontrollere variabler og få adgang til højhastighedsbehandlingsudstyr.
I en computervisionstest kan algoritmen præsenteres for en række udfordringsbilleder. Disse kan variere i kompleksitet og kan omfatte reference- og testbilleder såvel som mål for at se, hvordan den reagerer på blandingen som helhed. For et ansigtsgenkendelsesprogram, for eksempel, ønsker programmerere, at computeren skal se menneskelige ansigter og ikke at blive forvirret af ting, der kan se ud som ansigter, såsom et fotografi af en underligt formet klippe. Testerne programmerer computeren til at tilbyde et output, som at cirkle et ansigt eller oplyse en indikatorlamp, som svar på det visuelle input.
Stillbilleder er ikke det eneste, der kan bruges i en computer-synstest. Computere kan også arbejde med video og live realtidsbegivenheder. De skal muligvis være i stand til at spore specifikke mål i bevægelse og udføre en række forskellige operationer. F.eks. Kan observations- og målretningssystemerne i militære fly følge et mål og automatisk opdatere bane og andre parametre til fordel for piloten. Mere fredeligt kan live image tracking være nyttig for folk som sportsfotografer, der kan stole på hurtige autofokusfunktioner, når du arbejder med hurtige motiver som raceheste.
En række tests kan bruges til at skubbe et program til grænsen. Når testerne identificerer svage punkter, kan de foretage justeringer af programmet og teste det igen. Algoritmer, der er i stand til at lære, kan være kritiske for denne slags aktiviteter, da programmet kan blive mere intelligent med hver computer-synstest. Den lærer af sine fejltagelser og arkiverer disse oplysninger væk til fremtidig reference, for at minimere risikoen for falske positive eller negative.