Publisher's Synopsis
Monografia poswiecona jest rozwojowi metod i narzedzi wizji komputerowej wykorzystujacych sztuczna inteligencje do szybkiej identyfikacji poruszajacych sie obiektów w strumieniu danych wideo w oparciu o technologie glebokiego uczenia. Rozwazane sa klasyczne i nieklasyczne metody sztucznej inteligencji, konwolucyjne sieci neuronowe, wizja komputerowa i rozpoznawanie obrazów oraz teorie systemów sterowania oparte na szacunkach i kryteriach statystyki matematycznej. W wyniku rozpoznawania okreslany jest typ rozpoznawanego obiektu i obliczane sa ilosciowe szacunki dokladnosci. Zaimplementowano metode stosowania szablonów. Algorytm posiada informacje o tym, jak wyglada poszukiwany obiekt, jakie moze miec tlo, jak wygladaja okreslone kontury obiektu i w jakiej sa pozycji. Natychmiast brana jest pod uwage mozliwa lokalizacja detekcji obiektu. Pozwala to na osiagniecie wysokiej jakosci rozpoznawania i dobrej wydajnosci. Gdy kamera wideo rejestruje kilka podobnych obiektów, zaspokajane sa rózne szablony, a rozpoznawalnosc spada. Modele sztucznych sieci neuronowych sa uzywane do szacowania lub przyblizania funkcji, które moga zalezec od wielu danych wejsciowych i zazwyczaj sa nieznane.
