Рассел С., Норвиг П. Искусственный интеллект. Современный подход (2-е изд., 2006) (1245267), страница 317
Текст из файла (страница 317)
Кроме того, следует отметить, что контурный рисунок позволяет даже получить представление о наклоне и повороте поверхностей. Такое ощущение может достигаться благодаря использованию сочетания знаний высокого уровня (знаний о типичных формах) с ограничениями низкого уровня. Рис. 24.!3. Контурный рисунок, позволяющий получить полное представление о Рвам, что на нем изобрансено (любезно предоставлен Айшей Маликом ((зла Магйй)! Рассмотрим, какие качественные знания могут быть получены с помощью контурного рисунка. Как было описано выше, линии на рисунке могут иметь много разных трактовок (см. рис, 24.4 и его подрисуночную подпись).
Задача оценки фактической значимости каждой линии на изображении называется ск разметкой линий; она была одной из первых задач, изучаемых в области машинного зрения. На данный момент займемся изучением упрощенной модели мира, в которой объекты не имеют отметок на поверхности, а линии, обусловленные наличием сосредоточенных неоднородностей освещенности, такие как края теней и блики, были удалены на каком-то из этапов предварительной обработки, что позволяет нам сконцентрировать 1165 Глава 24. Восприятие свое внимание на контурных рисунках, где каждая линия соответствует сосредоточенной неоднородности либо по глубине, либо по ориентации.
В таком случае каждую линию можно отнести к одному из двух классов: рассматривать ее как проекцию 'т. лимба 1геометрического места тех точек на поверхности, где луч зрения проходит по касательной к поверхности) или как край 1поверхностная нормальная сосредоточенная неоднородность). Кроме того, каждый край может быть классифицирован как выпуклый, вогнутый или закрывающий 1под этим подразумевается, что он закрывает то, что находится за ним).
Что касается закрывающих краев и лимбов, то желательно иметь возможность определять, какая из двух поверхностей, примыкающих к кривой на контурном рисунке, является ближайшей к наблюдателю в данной сцене. Такие наложения линий могут быть представлены путем присваивания каждой линии одной из шести перечисленных ниже возможных Ъ. меток линий, как показано на рис. 24.14. Рис. 24. 14. Различные виды меток линий 1. Метки + и — представляют соответственно выпуклые и вогнутые края. Они связаны с поверхностными нормальными сосредоточенными неоднородностями, в которых видны обе поверхности, стыкующиеся вдоль этого края.
2. Метка < — или — г представляет закрывающий выпуклый край. При просмотре сцены из видеокамеры обе конечные части поверхности, ограниченные замкнутой кривой, которые стыкуются вдоль этого края, лежат на одной и той же стороне, но одна из них закрывает другую. По мере перемещения по направлению стрелки эти закрывающие поверхности остаются справа.
3. Метка ч — < — или — > — > представляет лимб. На этой линии поверхность плавно искривляется по кругу, закрывая саму себя. По мере перемещения в направлении, обозначенным двойной стрелкой, закрывающая поверхность остается справа. Луч зрения проходит по касательной к поверхности во всех точках лимба.
По мере изменения точки зрения лимбы меняют свое положение на поверхности объекта. Если количество линий на рисунке равно п, то количество вариантов присваивания меток линий, определяемое законами комбинаторики, равно б', но количество физически возможных вариантов присваивания по сравнению с этим количеством составляет лишь очень небольшую величину.
Задача определения таких возможных присваиваний меток называется задачей разметки линий. Следует отметить, что эта задача имеет смысл, только если метка остается одинаковой на всем протяжении линии. Но такое условие не всегда соблюдается, поскольку метки могут изменяться 1167 Глава 24. Восприятие Три края, встречающихся в вершине, делят окружающее пространство на восемь октантов.
Вершина видна из любого октанта, не заполненного твердым материалом. Перемещение точки зрения в пределах одного октанта не приводит к получению изображения с различными типами соединений. Вершина, обозначенная цифрой 1 на рис. 24.15, может рассматриваться из любого из оставшихся семи октантов; при атом наблюдаются метки соединения, показанные на рис.
24.16. Рис. 24.1б. Изменение внешнего вида вершины, обозначенной цифрой 1 на рис. 24.!5 Работа по составлению исчерпывающего списка различных способов, с помощью которых может рассматриваться каждая вершина, привела к получению вариантов, показанных на рис. 24.17. Получено четыре различных типа соединений, которые могут быть вьщелены на изображении: 1.-соединения, зг-соединения, стреловидные соединения и Т-соединения.
1:соединения соответствуют двум видимым краям. зг-соединения и стреловидные соединения соответствуют результатам рассмотрения трех краев, но различие между ними состоит в том, что в У-соединении ни один из трех углов не превышает 18 0'. Т-соединения связаны с закрытием одной поверхности другой. Если ближайшая, непрозрачная поверхность закрывает вид на дальше расположенный ее край, будет получен непрерывный край, который встречается с частично закрытым краем. Четыре метки Т-соединения соответствуют закрытию четырех различных типов краев. Т Рис.
24.12 Множество меток Хаффмена-Хеоувса 1168 Часть Ч1!. Общение, восприятие и осуществление действий При использовании этого словаря соединений во время поиска разметки для контурного рисунка приходится решать задачу определения того, какие интерпретации соединений являются глобально совместимыми. Соблюдение свойства совместимости обеспечивается путем применения правила, согласно которому каждой линии на рисунке вдоль всей ее длины должна быть присвоена одна и только одна метка. Вальц (! 552! предложил алгоритм решения этой задачи (фактически применимый даже для расширенной ее версии с тенями, трещинами и разделимо вогнутыми краями), который стал одним из первых приложений метода удовлетворения ограничений в искусственном интеллекте (см. главу 5).
В терминологии задач СБР переменными являются соединения, значениями — разметки для этих соединений, а ограничениями служит то, что каждая линия имеет единственную метку. Хотя задача разметки линии для сцен с трехгранными объектами является )х!Р-полной, на практике стандартные алгоритмы СЬР показали высокую производительность при их решении. 24.5. РАСПОЗНАВАНИЕ ОБЪЕКТОВ Зрение позволяет нам надежно распознавать людей, животных н неодушевленные объекты. В области искусственного интеллекта или машинного зрения для обозначения всех этих способностей принято использовать термин раслозновавие обьектов.
К этому относится определение класса конкретных объектов, представленных на изображении (например, лица), а также распознавание самих конкретных объектов (например, лица Билла Клинтона). Ниже перечислены прикладные области, которые стимулируют развитие этого научно-технического направления. ° Ж Биометрическая идентификация.
Криминальные расследования и контроль доступа на объекты, допускающие присутствие ограниченного круга лиц, требуют наличия возможности однозначно идентифицировать личность людей. Операции снятия отпечатков пальцев, сканирования радужной оболочки глаза и фотографирования лица в фас приводят к получению изображений, которые должны быть сопоставлены с данными, относящимися к конкретным людям. ° сь Выборка изображений с учетом их содержимого. В текстовом документе можно легко найти местонахождение любой строки, например "саг" (кошка), если она там имеется; такую возможность предоставляет любой текстовый редактор.
А теперь рассмотрим задачу поиска в изображении подмножества пикселов, которые соответствуют изображению кошки. Если бы система машинного зрения обладала такой способностью, то позволяла бы отвечать на запросы, касающиеся содержимого изображений, такие как "Найдите фотографию, на которой показаны вместе Билл Клинтон и Нельсон Мандела", "Найдите фотографию конькобежца, который в процессе бега полностью оторвался ото льда", "Найдите фотографию Эйфелевой башни ночью" и т.д., без необходимости вводить ключевые слова, озаглавливаюшие каждую фотографию в коллекции. По мере того как увеличиваются коллекции фотографий и видеофильмов, задача ввода вручную аннотаций к отдельным объектам из этой коллекции становится все сложнее. ° сх Распознавание рукописного текста. К примерам такого текста относятся подписи, блоки адресов на конвертах, суммы в чеках и введенные пером данные в персональных цифровых ассистентах (Регзопа! ЕН81га! АззЫап! — РРА).
Глава 24. Восприятие !169 Зрение используется для распознавания не только объектов, но и видов деятельности. Люди способны узнавать знакомую походку (издалека замечая своего друга), выражение лица (улыбку, гримасу), жест (например, просьбу приблизиться), действие (прыжок, танец) и т.д. Исследования по распознаванию видов деятельности все еше находятся на этапе своего становления, поэтому в данном разделе мы сосредоточимся на теме распознавания объектов. Люди, как правило, легко решают задачу распознавания объектов, но практика показала, что эта задача является сложной для компьютеров. Дело в том, что система машинного зрения должна обладать способностью идентифицировать лицо человека, несмотря на изменения освешенности, позы по отношению к видеокамере и выражения лица.
Любое из этих изменений вызывает появление широкого перечня различий в значениях яркости пикселов, поэтому метод, предусматриваюший простое сравнение пикселов, вряд ли окажется применимым. Если же требуется обеспечить распознавание экземпляров определенной категории, такой как "автомобили", то приходится также учитывать различия внутри самой категории. Как оказалось, значительные трудности возникают даже при попытке решить весьма ограниченную проблему распознавания рукописных цифр в поле для почтового кода на конвертах.
Наиболее подходяшую инфраструктуру для изучения проблемы распознавания объектов предоставляют такие научные области, как контролируемое обучение или классификация образов. Системе предъявляют положительные примеры изображений (допустим, "лица" — Гасе) и отрицательные примеры (допустим, "не лица"— попГасе) и ставят перед ней задачу определить с помощью обучения функцию, которая позволила бы отнести вновь полученные изображения к одной из двух категорий — Гасе, попГасе.
Для достижения этой цели подходят все методы, описанные в главах 18 и 20; в частности, для решения проблем распознавания объектов были применены многослойные персептроны, деревья решений, классификаторы по ближайшим соседним элементам и ядерные машины. Но следует отметить, что задача приспособить эти методы для распознавания объектов — далеко не такая уж простая. Прежде всего необходимо преодолеть сложности, связанные с сегментацией изображения. Любое изображение, как правило, содержит множество объектов, поэтому необходимо вначале разбить его на подмножества пикселов, соответствуюших отдельным объектам.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
