В следующем десятилетии, на волне успеха глубоких нейронных сетей, появились и другие эффективные архитектуры, такие как VGG и ResNet. Эти методы легли в основу создания больших библиотек, таких как TensorFlow и PyTorch, что упростило процесс разработки и обучения моделей компьютерного зрения. С помощью этих инструментов исследователи и разработчики начали создавать более сложные модели, что расширило применение компьютерного зрения. В частности, модели для сегментации изображений, такие как U-Net, открыли новую эру в медицине, позволяя точно выделять опухоли на снимках.
Новой вехой в истории компьютерного зрения стали технологии реального времени. Они стали возможны благодаря разработке алгоритмов, способных выполнять сложные вычисления на графических процессорах и специализированных устройствах. Одним из таких примеров является YOLO (You Only Look Once), предложенный Джозефом Редмоном в 2016 году. Этот алгоритм достиг impressivных результатов в обнаружении объектов на высокой скорости, что позволило внедрить его в приложения, требующие мгновенного реагирования, такие как системы видеонаблюдения и автономные транспортные средства.
Важной частью эволюции технологий компьютерного зрения стали средства аннотирования и разметки данных, которые помогли создать крупные коллекции размеченных изображений, такие как COCO и Pascal VOC. Эти базы данных стали основой для обучения моделей, поскольку правильные метки объектов имеют решающее значение для успешности алгоритмов машинного обучения. Разработка инструмента для аннотирования данных может значительно сократить время на подготовку обучающей выборки и повысить качество модели. Поэтому разумно использовать доступные инструменты, такие как LabelImg или VGG Image Annotator, для создания разметки на начальном этапе.
Наконец, учитывая современное состояние технологий, стоит отметить, что компьютерное зрение стремительно интегрируется в смежные области, такие как дополненная реальность, виртуальная реальность и интерактивные системы. Прямое использование методов компьютерного зрения в сочетании с технологиями дополненной реальности открывает новые горизонты для взаимодействия человека с цифровым контентом. Примеры успешных приложений включают Snapchat и IKEA Place, где пользователи могут видеть, как объекты будут выглядеть в реальной среде перед покупкой.