این شبکهها با تعداد زیادی نورون مصنوعی و لایههای مختلف وزنها، ورودیها را پردازش کرده و خروجی مورد نظر را تولید میکنند. با آموزش یک شبکه عصبی مصنوعی، آنها میتوانند الگوها و ویژگیهای مرتبط با دستههای مختلف را تشخیص دهند.
فراگیرترین رویکردهای استفاده شده در بینایی کامپیوتر
شبکههای عصبی عمیق (Deep Neural Networks) است. این شبکهها، با ساختاری ژرف و تعداد بالای لایهها، توانایی برتری را در تشخیص الگوها و ویژگیهای پیچیده را دارند. شبکههای عصبی عمیق معمولاً با چندین لایهٔ پنهان (Hidden Layers) ساخته میشوند و هر لایه، مجموعهای از نورونهای برنامهریزیشده را شامل میشود.
در نهایت
با یادگیری این شبکهها با استفاده از مجموعههای دادهٔ وسیع و تنوعپذیر، میتوان شبکهها را قادر به تشخیص و شناسایی اشیا، گروهبندی دستهها و تفسیر صحنههای دیداری نمود. همچنین، بینایی کامپیوتر یک نقش بسیار مهم در حوزهٔ خودرانی (Autonomous Driving) دارد. با استفاده از بینایی کامپیوتر و شبکههای عصبی عمیق، امکاناتی مانند تشخیص و علامتگذاری خودروها، تشخیص تابهواقعیت (Augmented Reality)، قدرت تشخیص عابرانی که در خیابان قصد عبور دارند، و سایر وظایف مرتبط با خودرانی را انجام میدهند.