Computer Vision

Computer vision (počítačové vidění) je oblast umělé inteligence, která umožňuje strojům interpretovat obrázky a video a získávat z nich smysluplné informace. Zahrnuje úlohy jako klasifikace obrázků, detekce objektů, rozpoznávání obličejů, optické rozpoznávání znaků (OCR) a porozumění scéně; všechny stojí na modelech hlubokého učení trénovaných na rozsáhlých sadách označených obrázků.

Ve webovém vývoji se počítačové vidění objevuje v praktických funkcích častěji, než by vývojáři čekali. Služby pro moderaci obrázků automaticky označují nevhodné nahrané soubory. OCR vytahuje text z naskenovaných dokumentů pro účely indexace. Vizuální vyhledávání produktů umožňuje uživatelům najít zboží nahráním fotky místo psaní klíčových slov. Nástroje pro přístupnost generují alternativní textové popisy obrázků. Cloudová API od poskytovatelů jako Google Vision, AWS Rekognition nebo Azure Computer Vision tyto schopnosti zpřístupňují bez nutnosti trénovat vlastní modely. Pro aplikace vyžadující specializované rozpoznávání mohou frameworky jako TensorFlow.js spouštět odlehčené modely vidění přímo v prohlížeči, což umožňuje zpracování v reálném čase bez komunikace se serverem.