Summary  
This chapter introduces fundamental computer vision techniques for processing and interpreting visual data, including image classification, object detection, segmentation, recognition, edge detection, restoration, scene reconstruction, and video motion analysis.

General domain of usage  
Autonomous vehicles

**Konenäkö** on **tekoälyn** osa-alue, joka mahdollistaa koneiden tulkita ja ymmärtää **visuaalista dataa** maailmasta samalla tavalla kuin ihmiset havaitsevat ja käsittelevät visuaalista tietoa. Siihen kuuluu kuvien tai videoiden hankinta, käsittely ja analysointi päätöksenteon tai oivallusten saamiseksi.

Määritelmä

**Konenäön** todellisen maailman sovelluksia ovat muun muassa:

**Konenäkö** kattaa joukon tehtäviä, jotka mahdollistavat koneiden tehokkaan **visuaalisen datan** ymmärtämisen ja käsittelyn:
- Kuvien luokittelu;
- Objektien tunnistus;
- Kuvan segmentointi;
- Kasvojen ja henkilöiden tunnistus;
- Reunojen tunnistus;
- Kuvan palautus;
- Yhteensopivan näkymän rekonstruointi;
- Videon liikeanalyysi.

Mikä seuraavista määritelmistä kuvaa parhaiten konenäköä?

Syvenny tietokonenäön maailmaan hallitsemalla konvoluutioneuroverkot (CNN:t) TensorFlow'n ja Kerasin avulla. Tämä edistynyt kurssi kattaa keskeiset käsitteet ja käytännön taidot, kuten kuvien esikäsittelyn, konvoluutio- ja poolausoperaatiot, CNN-arkkitehtuurien rakentamisen ja kouluttamisen, objektintunnistuksen toteuttamisen sekä siirto-oppimisen soveltamisen todellisiin visuaalisiin haasteisiin. Saat käytännön kokemusta monimutkaisten näköongelmien ratkaisemisesta alan standardityökaluilla ja -menetelmillä.

Mikä on tietokonenäkö?