Wat is een computer vision-test?
Een computer vision-test presenteert een reeks uitdagingen voor een vision-algoritme en noteert de reacties. De ontwikkeling van computer vision ondersteunt activiteiten zoals geautomatiseerde beeldverwerking, patiëntdiagnose en robotbeweging. Faciliteiten met interesse in dit onderwerp gebruiken testen om het prestatieniveau te bepalen dat ze kunnen bereiken met verschillende algoritmen en programma's. Dit kan hen helpen bepalen waar hun werk moet worden verbeterd en welke soorten verbeteringen ze moeten doorvoeren om een algoritme functioneler te maken.
Net als het menselijk brein kan een computer fungeren als een processor voor visuele informatie, met behulp van camera's voor visuele invoer. Computer vision kan variëren van relatief eenvoudige processen zoals het herkennen van een specifiek item in het gezichtsveld tot meer complexe analyses. Dit gebeurt zowel door programmeren als door training, waarbij computervisie wordt getest om programma's uit te dagen. Een laboratorium is meestal nodig voor een computervisietest om variabelen te besturen en toegang te krijgen tot snelle verwerkingsapparatuur.
In een computer vision-test kan het algoritme worden gepresenteerd met een reeks uitdagingsbeelden. Deze kunnen variëren in complexiteit en kunnen referentie- en testafbeeldingen en doelen omvatten om te zien hoe het op het mengsel als geheel reageert. Voor een gezichtsherkenningsprogramma willen programmeurs bijvoorbeeld dat de computer menselijke gezichten ziet en niet in de war raakt door dingen die op gezichten kunnen lijken, zoals een foto van een vreemd gevormde rots. De testers programmeren de computer om een output te bieden, zoals een gezicht omcirkelen of een indicatielampje te verlichten, in reactie op de visuele input.
Stilstaande beelden zijn niet het enige dat kan worden gebruikt in een computer vision-test. Computers kunnen ook werken met video en live realtime evenementen. Mogelijk moeten ze specifieke bewegende doelen volgen en verschillende bewerkingen uitvoeren. De waarnemings- en richtsystemen in militaire vliegtuigen kunnen bijvoorbeeld een doel volgen en automatisch trajecten en andere parameters bijwerken ten behoeve van de piloot. Rustiger, het volgen van live beelden kan nuttig zijn voor mensen zoals sportfotografen, die mogelijk op snelle autofocusfuncties vertrouwen bij het werken met snelle onderwerpen zoals renpaarden.
Een verscheidenheid aan tests kan worden gebruikt om een programma tot het uiterste te duwen. Naarmate de testers zwakke punten identificeren, kunnen ze het programma aanpassen en opnieuw testen. Algoritmen die kunnen leren, kunnen van cruciaal belang zijn voor dit soort activiteiten, omdat het programma intelligenter kan worden met elke computervisietest. Het leert van zijn fouten en bewaart deze informatie voor toekomstige referentie, om de kans op valse positieven of negatieven te minimaliseren.