Vad är ett datorvisionstest?

Ett datorsynstest presenterar en serie utmaningar för en visionalgoritm och noterar svar. Utvecklingen av datorsyn stöder aktiviteter som automatiserad bildbehandling, patientdiagnos och robotrörelse. Anläggningar med intresse för detta ämne använder tester för att bestämma prestandanivån de kan uppnå med olika algoritmer och program. Detta kan hjälpa dem att avgöra var deras arbete behöver förbättras, och vilka slags förbättringar de ska anta för att göra en algoritm mer funktionell.

Liksom den mänskliga hjärnan, kan en dator fungera som en processor för visuell information, med användning av kameror för visuell inmatning. Datorsyn kan variera från relativt enkla processer som att känna igen ett visst objekt i det visuella fältet till mer komplex analys. Detta görs genom såväl programmering som utbildning, som involverar datorsynstest för att utmana program. Ett laboratorium behövs vanligtvis för ett datorsynstest för att kontrollera variabler och komma åt höghastighetsbearbetningsutrustning.

I ett datorsynstest kan algoritmen presenteras med en serie utmaningsbilder. Dessa kan variera i komplexitet och kan inkludera referens- och testbilder samt mål för att se hur den svarar på blandningen som helhet. För ett ansiktsigenkänningsprogram, till exempel, vill programmerare att datorn ska upptäcka mänskliga ansikten och inte bli förvirrad av saker som kan se ut som ansikten, till exempel ett fotografi av en konstigt formad sten. Testarna programmerar datorn för att erbjuda en utgång, som att cirkla ett ansikte eller tända en indikatorlampa, som svar på den visuella ingången.

Stillbilder är inte det enda som kan användas i ett datorsynstest. Datorer kan också arbeta med video och live realtidshändelser. De kan behöva kunna spåra specifika mål i rörelse och utföra olika operationer. Till exempel kan observations- och målsystemen i militära flygplan följa ett mål och automatiskt uppdatera banor och andra parametrar till förmån för piloten. Mer lugnt kan spårning av levande bilder vara användbar för människor som sportfotografer, som kan lita på snabba autofokusfunktioner när du arbetar med snabba motiv som tävlingshästar.

En mängd tester kan användas för att pressa ett program till gränsen. När testarna identifierar svaga punkter kan de göra justeringar av programmet och testa det igen. Algoritmer som kan lära sig kan vara kritiska för denna typ av aktiviteter, eftersom programmet kan bli mer intelligent med varje datorsynstest. Den lär sig av sina misstag och arkiverar denna information för framtida referens, för att minimera risken för falska positiva eller negativa.