บทนำสู่การรับรู้ด้วยคอมพิวเตอร์และการประมวลผลภาพดิจิทัล

การรับรู้ด้วยคอมพิวเตอร์ คือสาขาวิชาปัญญาประดิษฐ์ที่ทำให้คอมพิวเตอร์สามารถสร้างข้อมูลที่มีความหมายจากภาพและวิดีโอดิจิทัลได้อย่างมีประสิทธิภาพ โดยพยายามลดช่องว่างทางความหมายระหว่างข้อมูลพิกเซลแบบดิจิทัลกับความเข้าใจในระดับมนุษย์ช่องว่างทางความหมาย ระหว่างข้อมูลพิกเซลดิบและแนวคิดที่มนุษย์เข้าใจการประมวลผลภาพดิจิทัล เป็นโครงสร้างพื้นฐานของระบบการรับรู้ด้วยคอมพิวเตอร์ โดยเน้นการปรับเปลี่ยนและปรับปรุงสัญญาณภาพผ่านการแปลงพิกเซลเป็นพิกเซล เพื่อเตรียมข้อมูลสำหรับงานวิเคราะห์เชิงลึกในระดับต่อไป

หลักการสำคัญ

• การแทนข้อมูล: ที่ระดับเครื่องจักร ภาพจะเป็น เทนเซอร์ มากกว่าภาพรวม ภาพขาวดำเป็นเมทริกซ์ 2 มิติของค่าความเข้ม ขณะที่ภาพสีเป็นเทนเซอร์ 3 มิติที่แสดงช่องสีแดง เขียว และน้ำเงิน (RGB) พร้อมมีขนาด $H \times W \times 3$
• การเปลี่ยนรูปแบบเทียบกับการตีความ: การประมวลผลภาพดิจิทัลเน้นงานที่แปลงภาพเป็นภาพ เช่น การลดเสียงรบกวน การเพิ่มความคมชัด หรือการปรับสมดุลฮิสโตแกรม ส่วนการรับรู้ด้วยคอมพิวเตอร์เน้นงานที่แปลงภาพเป็นความรู้ เช่น การจำแนกประเภทวัตถุ การระบุตำแหน่ง และการแบ่งภาพ
• แนวทางกลับด้านของการสร้างภาพ: การรับรู้ด้วยคอมพิวเตอร์สามารถมองได้ว่าเป็นการกลับด้านของกราฟิกส์คอมพิวเตอร์ ในขณะที่กราฟิกส์พยายามสร้างโลกที่มองเห็นได้จากโมเดลทางคณิตศาสตร์ การรับรู้ด้วยคอมพิวเตอร์พยายามคืนค่าโครงสร้าง 3 มิติและป้ายกำกับเชิงความหมายจากภาพฉาย 2 มิติ