Revisión como estaba o 22 de outubro de 2018 ás 13:40 editar Breogan2008 (conversa \| contribucións) 453.470 edicións →‎Notas ← Edición máis vella		Revisión como estaba o 22 de outubro de 2018 ás 13:40 editar desfacer Breogan2008 (conversa \| contribucións) 453.470 edicións →‎Historia Edición máis nova →
Liña 12: Naquel tempo, o que distinguía a visión artificial do prominente campo do [[Digital image processing\|procesamento de imaxe dixital]] era un desexo de extraer a estrutura [[Espazo tridimensional\|tridimensional]] a partir de imaxes co obxectivo de conseguir entender de toda a escenas. Algúns estudos nos anos 1970s comezaron a definir algúns dos conceptos básicos para moitos dos algoritmos de visión artificial que existen hoxe, incluíndo extracción de bordos de imaxes, marcaxe de liñas, o modelado poliédrico e non poliedrico, a representación de obxectos como interconexións de estruturas máis pequenas, [[Optical flow\|fluxo óptico]], e a estimación de movemento.<ref>{{Cita libro\|título=Computer vision : algorithms and applications\|apelidos=1958-\|nome=Szeliski, Richard,\|editorial=Springer\|ano=\|ISBN=978-1-84882-935-0\|url=https://www.worldcat.org/oclc/682910466\|data=2011\|lugar=London\|OCLC=682910466\|ref=}}</ref> Na década seguinte atopamos estudos ~~basados~~baseados nunha análise matemática moito máis rigurosa e nos aspectos cuantitativos da visión por computador. Estes inclúen o concepto de escala-espazo, a influencia da forma dende varios puntos de vista como o sombreado, a textura e o enfoque, e modelos de contorno coñecidos como serpes (''snakes''). Os investigadores tamén se decataron de que moitos destes conceptos matemáticos poderían ser tratados no mesmo cadro da optimización como regularización e os campos aleatorios de Markov.<ref name=":1" /> Nos anos 1990, a investigación en [[Xeometría proxectiva\|reconstrucións 3D proxectivas]] captaron o interese dos investigadores e leváronnos a entender mellor a calibración das cámaras. Isto desembocou en métodos para 3-D reconstrucións de escenas desde imaxes múltiples. Esta década tamén representa tamén o nacemento das técnicas aprendizaxe estatística que foron utilizadas na práctica para recoñecer caras en imaxes (ver [[Eigenface]]). == Aplicacións == A gama de aplicacións da visión artificial van desde tarefas como sistemas de visión máquina industriais que, por exemplo, detectan defectos nunha liña de produción, a investigación en intelixencia artificial ou a creación de robots capaces de entender o mundo visual. A visión por computador e os campos de visión máquina están intimamente relacionados. A visión por computador cobre a tecnoloxía de base usada na análise de imaxes automatizada e é utilizada en moitos campos. A visión máquina normalmente refirese a un proceso de combinar análise de imaxe automatizada con outros métodos e tecnoloxías para realizar unha inspección automatizada aplicacións industriais. En moitas aplicacións de visión por computador, os computadores están programados para solucionar unha tarefa particular, non obstante os métodos baseados na aprendizaxe son cada vez máis comúns. Exemplos das aplicacións de visión de computador inclúen sistemas para:

Visión artificial: Diferenzas entre revisións