تفاوت میان نسخه‌های «بینایی رایانه‌ای»

تمیزکاری، + ویرایش با ماژول ابرابزار با استفاده از AWB
(رفع اشکالات نوشتاری و مفهومی جملات)
(تمیزکاری، + ویرایش با ماژول ابرابزار با استفاده از AWB)
'''بینایی کامپیوتر''' {{به انگلیسی|Computer vision}} یا '''بینایی ماشین''' {{به انگلیسی|Machine vision}} یکی از شاخه‌های علوم کامپیوتر است که شامل روش‌های مربوط به دستیابی تصاویر، پردازش، آنالیز و درک محتوای آن‌ها است. معمولاً این پردازش‌ها تصاویر تولید شده در دنیای واقعی را به عنوان ورودی دریافت و [[داده‌ها|داده‌هایی]] عددی یا سمبلیک را به عنوان خروجی تولید می‌کنند، مانند در شکل‌هایی از تصمیم‌گیری.<ref name="Klette-2014">{{cite book|author=Reinhard Klette|title=Concise Computer Vision|publisher=Springer|year=2014|isbn=978-1-4471-6320-6}}</ref><ref name="Shapiro-Stockman-2001">{{cite book|author=Linda G. Shapiro and George C. Stockman|title=Computer Vision|publisher=Prentice Hall|year=2001|isbn=0-13-030796-3}}</ref><ref name="Morris-2004">{{cite book|author=Tim Morris|title=Computer Vision and Image Processing|publisher=Palgrave Macmillan|year=2004|isbn=0-333-99451-5}}</ref><ref name="Jahne-Haussecker-2000">{{cite book| author=Bernd Jähne and Horst Haußecker|title=Computer Vision and Applications, A Guide for Students and Practitioners|publisher=Academic Press|year=2000|isbn=0-13-085198-1}}</ref> یکی رویه‌های توسعهٔ این شاخه بر اساس شبیه‌سازی توانایی بینایی انسان در رایانه است. [[پرونده:NASA Mars Rover.jpg|thumb|244x244px|تصویر هنری از مریخ نورد NASA بر روی سطح سیاره مریخ. مثالی از خودروهای زمینی بدون سرنشین]]
{{cite book|author=Reinhard Klette|title=Concise Computer Vision|publisher=Springer|year=2014|isbn=978-1-4471-6320-6}}</ref><ref name="Shapiro-Stockman-2001">
{{cite book|author=Linda G. Shapiro and George C. Stockman|title=Computer Vision|publisher=Prentice Hall|year=2001|isbn=0-13-030796-3}}</ref><ref name="Morris-2004">{{cite book|author=Tim Morris|title=Computer Vision and Image Processing|publisher=Palgrave Macmillan|year=2004|isbn=0-333-99451-5}}</ref><ref name="Jahne-Haussecker-2000">{{cite book| author=Bernd Jähne and Horst Haußecker|title=Computer Vision and Applications, A Guide for Students and Practitioners|publisher=Academic Press|year=2000|isbn=0-13-085198-1}}</ref> یکی رویه‌های توسعهٔ این شاخه بر اساس شبیه‌سازی توانایی بینایی انسان در رایانه است.[[پرونده:NASA Mars Rover.jpg|thumb|244x244px|تصویر هنری از مریخ نورد NASA بر روی سطح سیاره مریخ . مثالی از خودروهای زمینی بدون سرنشین]]
 
بینایی رایانه‌ای به مسائل مختلفی از جمله استخراج داده از عکس، فیلم، مجموعه چند عکس از زوایای مختلف و پردازش تصاویر پزشکی می‌پردازد. معمولاً ترکیبی از روش‌های مربوط به [[پردازش تصاویر]]<ref>Image processing</ref> و ابزارهای [[یادگیری ماشینی]]<ref>Machine learning</ref> و [[آمار]] برای حل مسایل مختلف در این شاخه استفاده می‌گردد.
* زیر[[نمونه‌گیری]] تصویر.
* اعمال [[فیلتر دیجیتال|فیلترهای دیجیتال]].
** [[پیچش|پیچشها]]ها.
** [[همبستگی|همبستگیها]]ها یا فیلترهای [[خطی لغزش‌نابسته]].
*** [[عملگر سوبل]].
*** محاسبهٔ [[گرادیان]] x و y(و احتمالاً گرادیان زمانی).
* تخمین [[ناهمسانی]] در [[تصاویر برجسته‌بینی]].
* [[تحلیل چنددقتی]].
 
=== استخراج ویژگی ===
هدف از [[استخراج ویژگی]] کاهش دادن بیش تر داده‌ها به مجموعه‌ای از [[ویژگی (بینایی ماشینی)|ویژگی‌هاست]]، که باید به اغتشاشاتی چون [[شرایط نورپردازی]]، [[موقعیت دوربین]]، [[نویز]] و [[اعوجاج]] ایمن باشند. نمونه‌هایی از استخراج ویژگی عبارت‌اند از:
* استخراج [http://www.ri.cmu.edu/projects/project_94.html تصاویر چرخش] از نقشه‌های ژرفا.
* بدست آوردن [[خطوط تراز]] و احتمالاً گذر از صفرهای [[خمش]].
 
=== ثبت ===
هدف گام ثبت برقراری تناظر میان ویژگی‌های مجموعه برداشت شده و ویژگی‌های اجسام شناخته‌شده در یک [[پایگاه داده‌ها|پایگاه داده‌های]] [[مدل (ریاضی)|مدل]] و/یا ویژگی‌های تصویر قبلی است. در گام ثبت باید به یک [[فرضیه]] نهایی رسید. چند روش این کار عبارت‌اند از:
* [[تخمین کمترین مربعات]].
* [[تبدیل هاگ]] در انواع گوناگون.
* [[درهم‌سازی هندسی]].
* [[پالودن ذره‌ای]].
 
== بینایی و تفسیر تصاویر در انسان هاانسان‌ها ==
انجاییآنجایی که هدف نهایی computer vision ساخت مفسر قدرتمند اجسام 3D , رنگ هارنگ‌ها و عمق تصاویر هست. دانستن این موضوع که چگونه مغز موجودات,موجودات، بینایی و دیدن را تفسیر می کندمی‌کند و اینکه چند درصد نورون هاینورون‌های کل مغز در گیر این پروسه هستند نسبتانسبتاً اهمیت پیدا می کندمی‌کند. مقاله زیر می تواندمی‌تواند یک نگاه کلی از این روند پیچیده بدهد.
 
lز انجایی که هدف نهایی computer vision ساخت مفسر قدرتمند اجسام 3D , رنگ ها و عمق تصاویر هست. دانستن این موضوع که چگونه مغز موجودات, بینایی و دیدن را تفسیر می کند و اینکه چند درصد نورون های کل مغز در گیر این پروسه هستند نسبتا اهمیت پیدا می کند. مقاله زیر می تواند یک نگاه کلی از این روند پیچیده بدهد.
 
لینک منبع : [http://www.brainhq.com/brain-resources/brain-facts-myths/how-vision-works how brain interprets vision ؟]
 
حل مسئله تفسیر نور به ایده هاایده‌ها از جهان ,جهان، درک بصری ویژگی هاویژگی‌ها و اشیا ،اشیا، عملی خیلی پیچیده و به مراتب فراتر از تواناییتوانایی‌های هایقدرتمندترین قدرتمند ترین ابرکامپیوتر هایابرکامپیوترهای جهان است. بینایی نیازمند جدا کردن پیش زمینه از پس زمینه هست. تشخیص اشیا قرار گرفته در طیف گسترده ای از جهت ها ,جهت‌ها، تفسیر نشانه هاینشانه‌های فضایی با دقت بالا . مکانیزم هایمکانیزم‌های نورونی در شبکه هایشبکه‌های عصبی ادراک بصری نگاه کلی از چگونگی محاسبه مغز در وضعیت هایوضعیت‌های پیچیده برای تفسیر بینایی را به ما می دهدمی‌دهد.
ادراک بینایی زمانی آغاز می شوندمی‌شوند که چشم نور را بر روی شبکیه چشم یا ( retina ) متمرکز می کند ,می‌کند، که در آن جا توسط یک لایه از سلول هایسلول‌های گیرنده نوری جذب می شودمی‌شود. این سلول هاسلول‌ها نور را به سیگنال هایسیگنال‌های الکتروشیمیایی تبدیل می کنند می‌کنند و به دو نوع، میله ای و مخروطی تقسیم می شوندمی‌شوند ( بر اساس شکل هایشان ) . سلولهای میله ای مسئول دید ما در شب هستند و به نور کم پاسخ خیلی خوبی می دهندمی‌دهند. سلول هایسلول‌های میله ای ( Rod cells ) عمدتاعمدتاً در مناطق پیرامونی از شبکیه چشم ( حول یا اطراف شبکیه ) یافت می شوندمی‌شوند و بنابراین اکثر مردم این موضوع را فهمیده اندکه اگر نگاه خود را در شب متمرکز کنند می توانندمی‌توانند منطقه مورد تمرکز را بهتر ببینند. [[پرونده:Ventral-dorsal streams.svg|right|thumb|343x343px|[[:en:Dorsal stream|جریان dorsal]] بصری ( سبز رنگ در تصویر ) و [[:en:Ventral stream|جریان ventral]] ( بنفش ) در تصویر مشخص شده. قسمت هایقسمت‌های بسیار زیادی از [[قشر مغز|cerebral cortex]] در پروسه بینایی نقش دارند.]]
 
سلولهای مخروطی ( Cone cells ) در یک منطقه مرکزی شبکیه متمرکز به نام گودال متمرکز شده اندشده‌اند که فرورفتگی ( یا fovea ) هم نام دارد. انهاآنها مسئول وظایف سنگین و دقیقی مثل خواندن هستند. سلول هایسلول‌های Cone بسته به اینکه به نور آبیآبی، , قرمز ,قرمز، سبز چگونه واکنش می دهندمی‌دهند به سه دسته تقسیم می شوند،می‌شوند، و در مجموع این سه نوع از Cone ما را قادر به درک رنگرنگ‌ها ها می کنندمی‌کنند. سیگنال هاسیگنال‌ها از سلول هایسلول‌های گیرنده نوری ( photoreceptor cells ) از طریق شبکه ای از interneurons هاinterneuronsها در لایه دوم شبکیه چشم به سلول هایسلول‌های ganglion در لایه سوم منتقل می شوندمی‌شوند. نورون های نورون‌های موجود در این دو لایه از شبکیه زمینه پذیرای پیچیده ای که آنها را قادر به تشخیص تضاد هایتضادهای تغییراتی در یک تصویر می کندمی‌کند را ارائه می دهند می‌دهند: این تغییرات ممکن است لبه هالبه‌ها و یا سایه هاسایه‌ها را نشان دهند. سلول هایسلول‌های Ganglion این اطلاعات را به همراه دیگر اطلاعات در مورد رنگ جمع آوری میجمع‌آوری کنندمی‌کنند و خروجی خود را به مغز از طریق عصب بینایی ارسال می کنندمی‌کنند. عصب یا Nerve بینایی در درجه اول اطلاعات را از طریق thalamus به قشاء مغزی ( cerebral cortex ) ارسال می کندمی‌کند. پس از ارسال اطلاعات در قسمت cerebral cortex ادراک بصری انسان به وقوع می پیونددمی‌پیوندد. اما در عین حال این عصب (Nerve) حامل اطلاعات مورد نیاز برای مکانیک دید نیز هست که به دو قسمت از ساقه مغز (brainstem) این اطلاعات را منتقل می کند می‌کند. اولین قسمت از brainstem گروهی از سلول هایسلول‌های هسته هستند که pretectum نام دارند که کنترل غیر ارادیغیرارادی اندازه مردمک در پاسخ به شدت نور را بر عهده دارند. اطلاعات مربوط به اهداف متحرک و اطلاعات ساکن اسکن شده توسط چشم نیز به قسمت دوم در brainstem منتقل می شود ,می‌شود، یک هسته که با نام superior colliculus شناخته می شودمی‌شود مسئول حرکات چشم در پرش هایپرش‌های کوتاه هست. بخش دیگر از این دو قسمت saccades هست که به مغز اجازه درک یک اسکن هموار را با کمک چسباندن یک سری از تصاویر نسبتانسبتاً ثابت می دهدمی‌دهد. Saccadic eye movement مشکل تاری شدید- که می تواندمی‌تواند برای تصویر پیش بیاید - را حل می کندمی‌کند. چشم می تواندمی‌تواند به صورت یکنواخت در سراسر چشم اندازچشم‌انداز بصری حرکت کند؛ saccades هاsaccadesها در بعضی از وضعیت هاوضعیت‌ها تجربه بصری را ممکن و آسان می کنندمی‌کنند مانند مشاهده چشم فرد دیگری برای شما,شما، در حالی که آن فرد در تلاش برای نگاه کردن سرتاسر اتاق هست. [[پرونده:Thalamus small.gif|thumb|محل دقیق قسمت [[:en:Thalamus|thalamus]] ( تالاموس ) در عمق مغز در تصویر سه بعدی ]]
بسیاری از تصاویر از شبکیه چشم ( retina ) از طریق عصب بینایی به بخشی از thalamus که به نام ( lateral geniculate nucleus ) شناخته شده است و در اختصار (LGN) هم کفته می شودمی‌شود منتقل می شوند ,می‌شوند، thalamus در عمق مرکز مغز قرار گرفته. LGN ورودی شبکیه ( retinal ) را به جریان هایجریان‌های موازی ای مورد جدا سازیجداسازی قرار می دهدمی‌دهد که یکی حاوی رنگ و ساختار ثابت و دیگری حاوی تضاد هاتضادها (contrast) و حرکات هست. سلول هاییسلول‌هایی که پردازش رنگ و ساختار را انجام می دهندمی‌دهند چهار لایه بالایی از شش لایه LGN را تشکیل می دهندمی‌دهند. این چهار لایه به علت کوچکی سلول ها ,سلول‌ها، parvocellular نامیده می شوندمی‌شوند. سلول هاییسلول‌هایی که پردازش حرکات و تضاد هایتضادهای تصویر را انجام می دهندمی‌دهند دو لایه پایینی LGN رو تشکیل می دهندمی‌دهند و به علت بزرگی سلول هایسلول‌های این قسمت، لایه magnocellular نامیده می شوند می‌شوند.
 
سلولسلول‌های های لایه هایلایه‌های magnocellular و parvocellular همه راه هاراه‌ها را به بخش هایبخش‌های پشت مغز و به سمت قشر بینایی اولیه ( Visual cortex _ V1 ) طرح ریزی میطرح‌ریزی کنندمی‌کنند. سلول هاسلول‌ها در V1 در چندین مسیر مرتب شده اندشده‌اند که این مسئله اجازه می دهدمی‌دهد سیستم بینایی محل اشیاء را در فضا محاسبه کند. در ابتدا سلول هایسلول‌های V1 به صورت retinotopically یا موضعی سازمان یافته اند ,یافته‌اند، که به معنای این است که نقطه به نقطه روی نقشه بین شبکیه و قشر بینایی اولیه وجود دارد و مناطق همجوار در شبکیه چشم با مناطق همجوار در V1 مطابقت دارد.دارد؛ که این به V1 اجازه می دهدمی‌دهد که موقعیت اشیا را در دو بعد از جهان بصری که افقی و عمودی (مختصات ( x , y ) ) تعیین کند. بعد سوم و عمق نیز با مقایسه سیگنال هایسیگنال‌های دو چشم توسط V1 نقشه بردارینقشه‌برداری و تعیین می شودمی‌شود. این سیگنال هاسیگنال‌ها در پشته سلولها که ستون ocular dominance نامیده می شوندمی‌شوند پردازش می شوند ,می‌شوند، که یک الگوی شطرنجی اتصالات متناوب بین سمت چپ و چشم راست است. اختلافی جزئی در موقعیت یک شی نسبت به هر چشم وجود دارد که اجازه می دهدمی‌دهد تا عمق توسط مثلث محاسبه شود.
 
در نهایت، V1 به ستون هایستون‌های جهت گیری سازمان یافته است، پشته از سلول هاسلول‌ها که به شدت توسط خطوط یک جهت گیری داده شده ,شده، فعال می شوندمی‌شوند. ستون هایستون‌های جهت امکان تشخیص لبه هایلبه‌های اشیاء در جهان بصری را برایV1 را فراهم می سازند،می‌سازند، و به طوری که آنها کار پیچیده ای از تشخیص بصری را شروع می کنندمی‌کنند. سازمان ستونی از قشر بینایی اولیه برای اولین بار توسط David Hubel و Torsten Wiesel توصیف شده است، که در نتیجه بخاطر این موضوع جایزه نوبل 1981۱۹۸۱ را دریافت کرده اندکرده‌اند.
 
جالب توجه است که این الگوی شطرنجی,شطرنجی، سازمان ستونی V1 در هنگام تولد بسیار مبهم است. قشر بینایی یک نوزاد تازه متولد شده رشد بیش از حد (hypertrophy) , یا اتصالات اتفاقی دارد که باید به دقت و بر اساس تجربه بصری در بلند مدت هرس شوند ،شوند، و در نهایت به ستون هایستون‌های جداگانه تعریف شده تبدیل شوند- این در واقع یک کاهش در تعداد اتصالات و نه افزایش اتصالات خواهد بود -که در نهایت توانایی نوزاد برای دیدن جزئیات ریز و به رسمیت شناختن اشکال و الگوها را بهبود می بخشدمی‌بخشد.
[[پرونده:Visualcortex.gif|thumb|121x121px|<span lang="ach" dir="ltr">[[:en:Visual cortex|primary visual cortex (V1)]]</span>]]
این نوع از پالایش وابسته ,وابسته، به فعالیت به V1 محدود نمی شودنمی‌شود و در بسیاری از مناطق سراسر قشر مغز ( cerebral cortex ) رخ می دهدمی‌دهد. در همان زمان که توانایی تبعیض خطوط و لبه در قشر بینایی اولیه بهبود می یابد ، سلولمی‌یابد، هاسلول‌ها را در قشر بینایی ثانویه ( secondary visual cortex V2 ) , توانایی خود را برای تفسیر رنگ پالایش می کنندمی‌کنند. V2 تا حد زیادی مسئول پدیده ثبات رنگ است.است؛ و این حقیقت را توضیح می دهدمی‌دهد که واقعیت یک گل سرخ تحت تاثیرتأثیر بسیاری از رنگ هایرنگ‌های مختلف نور توسط ما هنوز هم به رنگ سرخ به نظر می رسدمی‌رسد. این طور گمان می شودمی‌شود که ثبات رنگ وقتی رخ می دهدمی‌دهد که V2 می تواندمی‌تواند یک شیء و نور محیط را مقایسه کند و میمی‌تواند تواند براوردبرآورد رنگ روشنایی را کاهش دهد. با اینحال این پروسه با توجه به اینکه بیننده انتظار دارد که شیء بخصوص به چه رنگی داشته باشد، به شدت تحت تاثیرتأثیر قرار می گیردمی‌گیرد.
 
در حقیقت، تقریباً تمام ویژگی هایویژگی‌های مرتبه بالاتر از بینایی و منظره توسط انتظارات بر اساس تجربه گذشته تحت تاثیرتأثیر قرار می گیردمی‌گیرد. این ویژگی به گسترش رنگ و درک فرم موجود در V3 و V4، به چهره و تشخیص شیء در لوب temporal ( جایی که تصویر ذهنی سه بعدی از انچهآنچه که می بینیممی‌بینیم در نهایت تشکیل می شود می‌شود) و به حرکت و آگاهی از فضای موجود در لوب parietal می انجامدمی‌انجامد. هرچند چنین روش و تأثیراتی گاهاگاهی اجازه می دهدمی‌دهد مغز تحت تاثیرتأثیر تصورات نادرست فریب بخورد ،بخورد، برای مثال در مواقع خطای دید در برخی از تصاویر ,تصاویر، ولی این روش پردازش به ما توانایی دیدن و پاسخ سریع به جهان بصری را داده است. از تشخیص روشنایی و تاریکی در شبکیه چشم ( retina ) تا خطوط انتزاعی در V1 تا تفسیر اشیا و روابط فضاییشان در ناحیه هایناحیه‌های بصری بالاتر، هر وظیفه ای در ادراک بصری کارایی و قدرت سیستم بینایی انسان را نشان می دهدمی‌دهد.
 
جزئیات بیشتر دربارهدربارهٔ هر قسمت از قشر بینایی ː :
* [[:en:Visual cortex|Visual cortex]]
* [[:en:Visual perception|Visual perception]]
* [[چشم انسان|بینایی انسان]]
* [[:en:Biorobotics|Biorobotics]]
* [[شبکه عصبی|شبکه هایشبکه‌های عصبی]]
 
== موارد حال حاضر استفاده از تکنولوژی computer vision ==
* کاربردهای غیرنظامی
* کاربرد های غیر نظامی
*# سرچ پیدا کردن تصاویر مشابه در سرویس هایسرویس‌های [https://www.google.com/images Google] یا [https://www.bing.com/ Bing]
*# [https://www.microsoft.com/cognitive-services/en-us/apis سرویس هایسرویس‌های شناختی Microsoft]
*## پیدا کردن افراد یکسان در تصاویر حتی در صورتی که انهاآنها تغییر فیافه داده باشند
*## سرویس تشخیص احساسات لحظه ای افراد مبتنی بر تصاویر
*## سرویس تشخیص سن افراد و جنسیت و . . . در تصاویر
*## سرویس PhotoDNA
*## سرویس قدرتمند تبدیل نوشته هاینوشته‌های موجود در تصاویر به متن
*## تشخیص چهره در ویدیو به صورت real time
*## تبدیل گفتار به متن
*## تشخیص لحن گفتار بر پایه متن
*## سرویس پیدا کردن مفاهیم بر پایه محتویات متنی
*## سرویس هایسرویس‌های تشخیص زبان هایزبان‌های طبیعی
*## [https://www.captionbot.ai/ سرویس توصیف تصاویر]
*## ربات هایربات‌های چت پیشرفته ( از جمله این ربات هاربات‌ها می شه به Tay در twitter اشاره کرد )
*## و سرویس هایسرویس‌های دیگر . . . .
*#[http://www.ibm.com/cloud-computing/bluemix/watson/ سرویس هایسرویس‌های شناختی IBM]
*## تشخیص احساسات بر پایه تصاویر
*##[https://visual-recognition-demo.mybluemix.net/ سرویس اپن سورس توصیف تصاویر] با node.js ( [https://github.com/watson-developer-cloud/visual-recognition-nodejs سورس code] )
*##توصیف محتواتوصیف هایمحتواهای متنی
*## سرویس شناختی انالیز شبکهآنالیز هایشبکه‌های اجتماعی
*##ربات هایربات‌های خودکار پاسخ دهنده هوشمند به کاربران
*## تشخیص احساسات بر پایه یپایهٔ محتوای متنی
*## سرویس گراف هایگراف‌های شناختی از داده هایداده‌های تاریک
*##[http://www.ibm.com/cognitive/?lnk=ushpv18ce4&lnk2=learn کسب و کار هایکارهای شناختی]
*## تشخیص real time ایتم هایایتم‌های مختلف با تراشه SyNAPSE
*##و سرویسو هایسرویس‌های دیگر . . . .
*# خودرو هایخودروهای خودران Google و بقیه شرکت هاشرکت‌ها
*# استفاده برای تشخیص چهره در گرفتندرگرفتن عکس در تلفن هایتلفن‌های همراه همچنین استفاده در سرویس شبکه اجتماعی فیسبوک جهت نوشتن نام هانام‌ها بر روی تصاویر
*# استفاده در فروشگاه هافروشگاه‌ها برای دنبال کردن سلایق بازدید کننده گان
*# استفاده در تشخیص پلاک خودرو
*# درمان بیماری هابیماری‌ها و تومور هاتومورها و سرطان با [[:en:Nanorobotics|Nanobots]] های که انرژی خود را از برخورد اتفاقی با سلول هاسلول‌ها به دست می اورندآورند [http://www.khabaronline.ir/(X(1)S(agmgmrptzlsncswisiwidpf2wb))/detail/518678/science/technology] [[پرونده:Sea Hunter gets underway on the Willamette River following a christening ceremony in Portland, Ore. (25702146834).jpg|جایگزین=ناو ACTUV |بندانگشتی|386x386پیکسل|تصویری از رونمایی کشتی جنگی بدون سرنشین ضد زیر دریایی با قابلیت ردیابی ممتد یا به اختصار ( [[:en:ACTUV|<u lang="en" dir="rtl">ACTUV</u>]] )  ]]
* کاربرد هایکاربردهای نظامی
** تشخیص و شناسایی چهره افراد در فرودگاها و مراکز حساس دیگر
** وسایل حرکتی بدون سرنشین _ مستقل ( [[:en:Uncrewed vehicle|Uncrewed vehicle]] )
**# خودرو هایخودروهای زمینی بدون سرنشین نظامی چند منظوره با قابلیت هایقابلیت‌های استفاده موتوریزه و انتقال نیرو هانیروها و تجهیزات . . . ( [[:en:Unmanned ground vehicle|Unmanned ground vehicle]] )
**# زیردریایی بدون سرنشین ː : زیردریایی شرکت بوئینگ ( [http://www.gizmag.com/boeing-echo-voyager/42272/ Boeing submarine] ) که قابلیت ماه هاماه‌ها ماندن در زیر دریا و بررسی و ارسال اطلاعات به طور کاملاکاملاً مستقل را قادر می باشندمی‌باشند [http://www.khabaronline.ir/(X(1)S(jaafksyg5wlqqlpeaickicrd))/detail/518679/science/technology]
**# ناو هایناوهای بدون سرنشین: ː ناو هایناوهای ضد زیردریایی [[:en:ACTUV|ACTUV]] ساخت [[دارپا|DARPA]] (سازمان پروژه‌های تحقیقاتی پیشرفتهٔ دفاعی )[http://www.khabaronline.ir/(X(1)S(jaafksyg5wlqqlpeaickicrd))/detail/509720/science/technology]
**# هواپیما هایهواپیماهای بدون سرنشین و پهپاد هاپهپادها با کنترل مستقل ( [[:en:Unmanned aerial vehicle|Unmanned aerial vehicle]] )
**# سیستم دفاع موشکی هوش مصنوعی ( Artificially Intelligent Missile Defense System )
**# فضاپیمای بدون سرنشین ( [[:en:Unmanned spacecraft|Unmanned spacecraft]] )
**# ربات هایربات‌های [[ربات انسان‌نما|Humanoid]]  ( پروژه [[:en:Atlas (robot)|Atlas robot]] )
**# [[:en:Nanorobotics|Nanobots]]
 
 
== پیوندهای برونی ==
* [http://www.machinevisiononline.org/ انجمن تصویر برداری خودکار]
* [http://www.computervisiononline.com/ بینایی کامپیوتر و پردازش تصاویر]
* [http://purtahan.ir/post/224 تشخیص چهره]
* [http://www.didehbonyan.com / بینایی ماشین و پردازش تصاویر]
 
{{علوم رایانه}}
 
{{DEFAULTSORTترتیب‌پیش‌فرض:بینایی کامپیوتر}}
[[رده:بینایی رایانه‌ای|بینایی کامپیوتر]]
[[رده:پردازش تصویر]]
۱۶٬۲۹۶

ویرایش