{"id":117457,"date":"2024-05-30T07:22:00","date_gmt":"2024-05-30T05:22:00","guid":{"rendered":"https:\/\/fotc.com\/?p=117457"},"modified":"2025-03-04T09:45:57","modified_gmt":"2025-03-04T08:45:57","slug":"vision-ai","status":"publish","type":"post","link":"https:\/\/fotc.com\/pl\/blog\/vision-ai\/","title":{"rendered":"Vision AI – oszcz\u0119dno\u015b\u0107 czasu i pieni\u0119dzy dzi\u0119ki sztucznej inteligencji"},"content":{"rendered":"\n

Tematyka sztucznej inteligencji zago\u015bci\u0142a na sta\u0142e w nag\u0142\u00f3wkach prasowych, g\u0142\u00f3wnie za spraw\u0105 ChatGPT. O ile AI oparte na j\u0119zyku naturalnym budzi sporo emocji, to nie spos\u00f3b nie zauwa\u017cy\u0107 roli sztucznej inteligencji w rozpoznawaniu obraz\u00f3w. Tutaj jednym z pionier\u00f3w jest Google i \u015brodowisko Vision AI.<\/p>\n\n\n\n

Ju\u017c ponad pi\u0119\u0107 lat temu zesp\u00f3\u0142 programist\u00f3w z Google Cloud<\/a> rozpocz\u0105\u0142 wsp\u00f3\u0142prac\u0119 z jednym z najbardziej opiniotw\u00f3rczych dziennik\u00f3w \u2013 The New York Times. W przepastnych, nowojorskich archiwach znajduje si\u0119, jak oszacowano, od pi\u0119ciu do siedmiu milion\u00f3w zdj\u0119\u0107 wykonanych w przeci\u0105gu ostatnich 100 lat. Wiele z nich skrywa nigdy nieopowiedziane historie.<\/p>\n\n\n\n

Kiedy w 2015 roku, na skutek p\u0119kni\u0119tej rury cz\u0119\u015b\u0107 tego archiwum znalaz\u0142a si\u0119 pod wod\u0105, kierownictwo NYT postanowi\u0142o podj\u0105\u0107 kroki maj\u0105ce na celu ochron\u0119 bezcennego dobytku. Wybrano chmur\u0119 Google, kt\u00f3rej us\u0142ugi, takie jak Cloud Storage, Cloud Pub\/Sub, Google Kubernetes Engine pozwoli\u0142y na stworzenie cyfrowej, dobrze zabezpieczonej bazy zdj\u0119\u0107.<\/p>\n\n\n\n

Chocia\u017c cel zosta\u0142 spe\u0142niony i mo\u017cna by\u0142oby na tym poprzesta\u0107, postanowiono p\u00f3j\u015b\u0107 dalej i wykorzysta\u0107 modele uczenia maszynowego (machine learning<\/a>) w celu lepszego zrozumienia zawarto\u015bci archiwum. W tym miejscu wkroczy\u0142o Google Cloud Vision API, kt\u00f3re pozwoli\u0142o automatycznie identyfikowa\u0107 miejsca oraz obiekty znajduj\u0105ce si\u0119 na fotografiach, dzi\u0119ki czemu przeszukiwanie bazy zdj\u0119\u0107 sta\u0142o si\u0119 o wiele \u0142atwiejsze.<\/p>\n\n\n\n

Czym jest Vision AI?<\/strong><\/h2>\n\n\n\n

Vision AI to \u015brodowisko, w ramach kt\u00f3rego dost\u0119pnych jest kilka kluczowych us\u0142ug Google Cloud \u0142\u0105cz\u0105cych mo\u017cliwo\u015bci uczenia maszynowego (Vertex AI Vision) z rozpoznawaniem i wyszukiwaniem obraz\u00f3w (Vision API, AutoML Vision). Skupmy si\u0119 na tych dw\u00f3ch ostatnich.<\/p>\n\n\n\n

AutoML Vision<\/strong><\/h2>\n\n\n\n

Rozwi\u0105zanie to umo\u017cliwia trenowanie modeli uczenia maszynowego w celu klasyfikowania obraz\u00f3w zgodnie z w\u0142asnymi zdefiniowanymi etykietami. Mo\u017cesz dzi\u0119ki niemu trenowa\u0107 modele na podstawie oznaczonych obraz\u00f3w oceniaj\u0105c dok\u0142adno\u015b\u0107, z jak\u0105 zosta\u0142y etykietowane.<\/p>\n\n\n\n

Co wi\u0119cej, mo\u017cesz zastosowa\u0107 uczenie maszynowe do nadania etykiet pozosta\u0142ym obrazom, na podstawie ju\u017c stworzonych ludzk\u0105 r\u0119k\u0105 oznacze\u0144. Ostatecznie celem jest stworzenie rejestr\u00f3w przeszkolonych modeli, kt\u00f3re mog\u0105 by\u0107 udost\u0119pniane za po\u015brednictwem interfejsu API AutoML.<\/p>\n\n\n\n

AutoML Vision w praktyce – przegl\u0105dy techniczne turbin wiatrowych<\/h3>\n\n\n\n

AutoML Vision jest narz\u0119dziem, kt\u00f3re pozwala firmom na spore oszcz\u0119dno\u015bci czasu i pieni\u0119dzy. Jednym z przyk\u0142ad\u00f3w jest firma AES, dzia\u0142aj\u0105cy w 15 krajach dystrybutor energii odnawialnej. AES posiada osiem farm wiatrowych, a na ka\u017cdej z nich znajduje si\u0119 od 50 do 300 turbin.<\/p>\n\n\n\n

Urz\u0105dzenia te wymagaj\u0105 regularnych inspekcji technicznych. Wcze\u015bnie wykryte uszkodzenie \u0142opaty wirnika mo\u017ce zapobiec tragedii. Tradycyjne inspekcje trwa\u0142y oko\u0142o dw\u00f3ch tygodni, dla ka\u017cdej z farm. AES zdecydowa\u0142 si\u0119 zleci\u0107 przeprowadzanie inspekcji specjalistycznej firmie korzystaj\u0105cej z dron\u00f3w, dzi\u0119ki czemu uda\u0142o si\u0119 skr\u00f3ci\u0107 ten czas do dw\u00f3ch dni.<\/p>\n\n\n\n

Podczas audytu wykonywanych jest nawet 30 tys. Zdj\u0119\u0107, kt\u00f3re musz\u0105 nast\u0119pnie przej\u015b\u0107 weryfikacj\u0119 w celu sprawdzenia, czy na powierzchni wiatrak\u00f3w nie pojawi\u0142y si\u0119 p\u0119kni\u0119cia. Przed wykorzystaniem modeli AutoML Vision, ca\u0142y ci\u0119\u017car weryfikacji spada\u0142 na wysoko wykwalifikowanych in\u017cynier\u00f3w, kt\u00f3rzy na przejrzenie zdj\u0119\u0107 potrzebowali czterech tygodni pracy. Dzi\u0119ki wytrenowaniu modelu, narz\u0119dzie dost\u0119pne w ramach Google Cloud pozwoli\u0142o skr\u00f3ci\u0107 ten czas o po\u0142ow\u0119 \u2013 pozostawiaj\u0105c do zatwierdzenia 15 tys. zdj\u0119\u0107.<\/p>\n\n\n\n

W jaki spos\u00f3b dzia\u0142a AutoML Vision?<\/strong><\/h2>\n\n\n\n

W AutoML Vision, bez wzgl\u0119du na rodzaj przetwarzanych danych, \u015bcie\u017cka dzia\u0142ania jest zawsze podobna i sk\u0142ada si\u0119 z sze\u015bciu etap\u00f3w:<\/p>\n\n\n\n

  1. Przygotowanie danych do trenowania.<\/li>
  2. Stworzenie zbioru danych.<\/li>
  3. Wytrenowanie modelu.<\/li>
  4. Ewaluacja oraz prowadzenie iteracji modelu.<\/li>
  5. Uzyskanie prognozy.<\/li>
  6. Interpretacja rezultat\u00f3w.<\/li><\/ol>\n\n\n\n

    AutoML Vision dzia\u0142a na czterech typach danych: obrazach, filmach, tekstach oraz danych tabularycznych. S\u0105 to gotowe rozwi\u0105zania, lecz je\u015bli \u017cadne z nich nie spe\u0142nia specyficznych wymaga\u0144 w ramach projektu, mo\u017cliwe jest stworzenie w\u0142asnego customowego modelu dostosowanego do trenowania niestandardowych modeli w Vertex AI. Mo\u017cliwo\u015bci jest sporo, mo\u017cna skonfigurowa\u0107 zasoby obliczeniowe na potrzeby trenowania ML, w tym typ i liczb\u0119 maszyn wirtualnych, GPU, czy TPU.<\/p>\n\n\n\n

    Cloud Vision API<\/strong><\/h2>\n\n\n\n

    Google Cloud Vision API daje nam dost\u0119p do zaawansowanych, wst\u0119pnie wytrenowanych modeli uczenia maszynowego. Dzieje si\u0119 to za po\u015brednictwem interfejs\u00f3w REST API oraz RPC API. Dzi\u0119ki Vision API mo\u017cna przypisywa\u0107 etykiety do obraz\u00f3w i bardzo szybko klasyfikowa\u0107 je w milionach predefiniowanych kategorii. W ramach szerokich mo\u017cliwo\u015bci dost\u0119pne jest wykrywanie obiekt\u00f3w, odczytywanie tekst\u00f3w, zar\u00f3wno drukowanych, jak i pisanych odr\u0119cznie oraz budowanie metadanych w katalogu obraz\u00f3w.<\/p>\n\n\n\n

    Cloud Vision API pozwala uruchomi\u0107 nowe aplikacje do analizy obraz\u00f3w oraz film\u00f3w w ci\u0105gu zaledwie kilku minut. Mo\u017cliwe jest te\u017c trenowanie modeli uczenia maszynowego klasyfikuj\u0105cych obrazy zar\u00f3wno przy u\u017cyciu AutoML Vision jak i modeli niestandardowych. Warto te\u017c pami\u0119ta\u0107 o \u0142atwo\u015bci integracji Cloud Vision API z BigQuery czy Cloud Functions powi\u0119kszaj\u0105c zakres dzia\u0142ania.<\/p>\n\n\n\n

    Po\u0142\u0105czenie Vision API z AutoML Vision<\/strong><\/h2>\n\n\n\n

    Aby jeszcze lepiej wykorzysta\u0107 uczenie maszynowe i sztuczn\u0105 inteligencj\u0119, warto \u0142\u0105czy\u0107 dzia\u0142anie AutoML Vision z Vision API. Poni\u017cszy schemat pokazuje przyk\u0142adowy, cz\u0119sto wykorzystywany model.<\/p>\n\n\n\n

    \"\"\/<\/figure>\n\n\n\n

    W pierwszym kroku u\u017cytkownik wgrywa obrazy, kt\u00f3re trafiaj\u0105 do Cloud Storage. Za ka\u017cdym razem, gdy pojawi si\u0119 nowy obraz, notyfikacja o tym trafia do App Engine za po\u015brednictwem Pub\/Sub. W kolejnym kroku App Engine wywo\u0142uje API uczenia maszynowego. Mo\u017cliwe s\u0105 dwie drogi.<\/p>\n\n\n\n

    W pierwszej z nich Vision API rozpoznaje zgrubnie obiekty i sceny ze zdj\u0119\u0107. Przydaje si\u0119 przy tym rozpoznawanie etykiet, co sprawia, \u017ce zdj\u0119cia mo\u017cna p\u00f3\u017aniej przeszukiwa\u0107 pod k\u0105tem konkretnych element\u00f3w.<\/p>\n\n\n\n

    W drugiej \u015bcie\u017cce AutoML Vision rozpoznaje niestandardowe etykiety na podstawie wytrenowanych uprzednio modeli.<\/p>\n\n\n\n

    W obu przypadkach wyniki wracaj\u0105 do App Engine, a u\u017cytkownik mo\u017ce teraz odnale\u017a\u0107 zadany obraz na podstawie s\u0142\u00f3w kluczowych.<\/p>\n\n\n\n

    Benefity p\u0142yn\u0105ce z Vision AI w Google Cloud<\/strong><\/h2>\n\n\n\n

    Wiemy ju\u017c, \u017ce trenowanie modeli do rozpoznawania obraz\u00f3w ma sw\u00f3j efekt w skracaniu czasu pracy, a co za tym idzie, w sporej oszcz\u0119dno\u015bci finansowej. Ma to r\u00f3wnie\u017c wp\u0142yw na jako\u015b\u0107 podejmowanych decyzji biznesowych. Mo\u017cemy wszak odnie\u015b\u0107 si\u0119 do pe\u0142nych danych, a nie tylko wnioskowa\u0107 na podstawie reprezentatywnego przyk\u0142adu. Modele s\u0105 ci\u0105gle udoskonalane, opr\u00f3cz rozpoznawania konkretnych obiekt\u00f3w, mog\u0105 te\u017c analizowa\u0107 nastr\u00f3j, czy emocje widoczne na twarzach.<\/p>\n\n\n\n

    Dzi\u0119ki narz\u0119dziom Vision AI s\u0142u\u017c\u0105cym do odczytywania tekstu (OCR) ze zdj\u0119\u0107, jeste\u015bmy w stanie szybciej tworzy\u0107 i przeszukiwa\u0107 bogate zbiory danych. Ma to znaczenie zar\u00f3wno przy archiwizacji, jak i organizacji tre\u015bci.<\/p>\n\n\n

    \r\n
    \r\n
    \r\n
    \r\n Poznaj mo\u017cliwo\u015bci Vision AI<\/span>\r\n <\/div>\r\n
    \r\n \r\n <\/div>\r\n <\/div>\r\n
    \r\n

    Dowiedz si\u0119, jak wykorzysta\u0107 Vision API i AutoML Vision w Twoim projekcie<\/p><\/div>\r\n

    \r\n Napisz do nas<\/a>\r\n \r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n<\/div>\n\n\n

    Jak skorzysta\u0107 z AutoML Vision i Vision API w praktyce?<\/strong><\/h2>\n\n\n\n

    Aby lepiej wykorzysta\u0107 potencja\u0142 narz\u0119dzi stoj\u0105cych za Vision AI od Google, warto skorzysta\u0107 z pomocy partnera Google Cloud. Czasami kilka minut rozmowy z certyfikowanym architektem chmurowym (Cloud Architect) pomo\u017ce w podj\u0119ciu decyzji, czy dane narz\u0119dzie sprawdzi si\u0119 w Twoim przypadku. Przy okazji poznasz koszty i sposoby ich optymalizacji, a je\u017celi jeszcze nie wsp\u00f3\u0142pracowa\u0142e\u015b z oficjalnym partnerem, takim jak FOTC, wi\u0119c tym bardziej warto.<\/p>\n\n\n\n

    Podsumowanie<\/h2>\n\n\n\n


    Podsumowuj\u0105c, Vision AI dost\u0119pny w ramach Google Cloud jest pot\u0119\u017cnym narz\u0119dziem do analizy obrazu, kt\u00f3re wykorzystuje zaawansowane algorytmy sztucznej inteligencji do rozpoznawania obiekt\u00f3w, twarzy i tekstu na zdj\u0119ciach i filmach. Korzystaj\u0105c z Vision AI firmy mog\u0105 automatyzowa\u0107 procesy, poprawia\u0107 bezpiecze\u0144stwo oraz zwi\u0119ksza\u0107 efektywno\u015b\u0107 operacyjn\u0105. Na wyci\u0105gni\u0119cie r\u0119ki jest wi\u0119c technologia, kt\u00f3ra przyda si\u0119 szczeg\u00f3lnie w bran\u017cach takich jak handel, opieka zdrowotna czy analiza medi\u00f3w. Dodatkowo, integracja z innymi us\u0142ugami Google Cloud umo\u017cliwia kompleksowe zarz\u0105dzanie danymi wizualnymi i ich analiz\u0119 na du\u017c\u0105 skal\u0119. W dobie rosn\u0105cej liczby danych obrazowych, wykorzystanie Vision AI mo\u017ce znacz\u0105co wp\u0142yn\u0105\u0107 na przewag\u0119 konkurencyjn\u0105 przedsi\u0119biorstw. <\/p>\n","protected":false},"excerpt":{"rendered":"

    Tematyka sztucznej inteligencji zago\u015bci\u0142a na sta\u0142e w nag\u0142\u00f3wkach prasowych, g\u0142\u00f3wnie za spraw\u0105 ChatGPT. O ile AI oparte na j\u0119zyku naturalnym budzi sporo emocji, to nie spos\u00f3b nie zauwa\u017cy\u0107 roli sztucznej inteligencji w rozpoznawaniu obraz\u00f3w. Tutaj jednym z pionier\u00f3w jest Google i \u015brodowisko Vision AI. Ju\u017c ponad pi\u0119\u0107 lat temu zesp\u00f3\u0142 programist\u00f3w z Google Cloud rozpocz\u0105\u0142…<\/p>\n","protected":false},"author":26,"featured_media":149326,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_editorskit_title_hidden":false,"_editorskit_reading_time":4,"_editorskit_is_block_options_detached":false,"_editorskit_block_options_position":"{}","footnotes":""},"categories":[560],"tags":[],"class_list":["post-117457","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-google-cloud-platform-pl"],"_links":{"self":[{"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/posts\/117457","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/users\/26"}],"replies":[{"embeddable":true,"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/comments?post=117457"}],"version-history":[{"count":0,"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/posts\/117457\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/media\/149326"}],"wp:attachment":[{"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/media?parent=117457"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/categories?post=117457"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fotc.com\/pl\/wp-json\/wp\/v2\/tags?post=117457"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}