Nesne tanıma, bir görüntüde veya sensör taramasında ne olduğunu belirler. Bu bir insan mı, bir araba mı, bir kahve fincanı mı, bir kusur mu? Robot, ne yapacağına karar vermeden önce neye baktığını bilmelidir. Tanıma, algılamanın ilk adımıdır.

İlk sistemler elle oluşturulmuş özellikler kullanıyordu: kenarlar, köşeler, dokular. Bunlar kontrollü aydınlatmada belirli nesneler için işe yarıyordu. Derin öğrenme her şeyi değiştirdi. Evrişimsel sinir ağları, etiketlenmiş verilerden özellikler öğrenir. Milyonlarca görüntü üzerinde eğitilmiş bir ağ, kıyaslama testlerinde insanüstü bir doğrulukla binlerce nesne kategorisini tanıyabilir. Gerçek dünyada, aydınlatma değiştiğinde, nesneler üst üste geldiğinde veya kamera hareket ettiğinde performans düşer.

Nesne tanıma görevleri

• Sınıflandırma: Resimde ne var?
• Tespit: Nerede ve nedir?
• Segmentasyon: Hangi pikseller nesneye ait?
• Duruş tahmini: yönelimi nasıl?
• Takip: Zaman içinde nereye doğru hareket ediyor?

Bir robot, tanıma yeteneğini kullanarak bir kutudan belirli bir parçayı alabilir, bir yayayı atlayabilir veya bir kaynağı kusurlar açısından inceleyebilir. Buradaki zorluk genelleme yeteneğidir. Güneşli gün ışığı görüntülerinde eğitilmiş bir ağ geceleyin başarısız olabilir. Bir fabrikanın parçaları üzerinde eğitilmiş bir ağ, başka bir fabrikanın parçaları üzerinde başarısız olabilir. Veri toplama ve artırma, model mimarisi kadar önemlidir. En iyi sistemler, derin öğrenmeyi geometrik akıl yürütme ve sensör füzyonu ile birleştirir. Bir kamera nesneyi tanıyabilir. Lidar konumunu doğrular. Kuvvet sensörleri kavrama işlemini doğrular. Tanıma sadece görmekle ilgili değildir. Robotun bilmesi gerekenleri anlamakla ilgilidir.