В данной обзорной статье представлен анализ основных направлений исследований по теме классификация объектов на изображении методами компьютерного зрения. Методы компьютерного зрения позволяют автоматизировать процесс выделения семантического смысла из изображений. Под классификацией объектов на изображении понимается локализация объектов, интересующих исследователя, и соотнесение их с определенным классом. Актуальность данной темы закреплена в государственной программе: национальная стратегия развития искусственного интеллекта на период до 2030 года. Так же в статье приведена статистика публикационной активности научных авторов по теме «компьютерное зрение», которая показывает актуальность данного направления. Работа имеет следующую структуру: во введении статьи приведены различные статистики, отражающие актуальность темы. Далее приведен обзор научных исследований посвященных решению прикладных аспектов задачи классификации объектов на изображении в различных областях человеческой деятельности...

В данной обзорной статье представлен анализ основных направлений исследований по теме классификация объектов на изображении методами компьютерного зрения. Методы компьютерного зрения позволяют автоматизировать процесс выделения семантического смысла из изображений. Под классификацией объектов на изображении понимается локализация объектов, интересующих исследователя, и соотнесение их с определенным классом. Актуальность данной темы закреплена в государственной программе: национальная стратегия развития искусственного интеллекта на период до 2030 года. Так же в статье приведена статистика публикационной активности научных авторов по теме «компьютерное зрение», которая показывает актуальность данного направления. Работа имеет следующую структуру: во введении статьи приведены различные статистики, отражающие актуальность темы. Далее приведен обзор научных исследований посвященных решению прикладных аспектов задачи классификации объектов на изображении в различных областях человеческой деятельности. Основной упор сделан на следующие прикладные области: медицина, промышленность, безопасность, транспорт и военное дело. Далее приведен анализ методов, которые используются для решения задачи классификации объектов на изображении. Автор выделяет две группы методов: классические и нейросетевые методы. Под классическими алгоритмами и методами понимается подход к решению задачи классификации объектов на изображении, в котором не используются искусственные нейронные сети.

Выводы. Тема исследования на сегодня является актуальной, что подтверждено статистикой и государственными программами. Для классических методов выявлены следующие недостатки: для каждой новой прикладной задачи требуется построение алгоритма ее решения, трудоемкость выделения значимых признаков и неустойчивость при работе с определенными видами данных. Для нейросетевых методов основным недостатком является зависимость конечной модели от качества набора данных, на котором она обучается.

This review article presents an analysis of the main areas of research on the topic of classification of objects in an image using computer vision methods. Computer vision methods allow you to automate the process of extracting semantic meaning from images. The classification of objects in an image means the localization of objects of interest to the researcher and their correlation with a certain class. The relevance of this topic is enshrined in the state program: the national strategy for the development of artificial intelligence for the period until 2030. The article national strategy for the development of artificial intelligence for the period until 2030. The article also provides statistics on the publication activity of scientific authors on the topic “computer vision”, which also shows the relevance of this area. The work has the following structure: in the introduction of the article various statistics are given that reflect the relevance of the topic...

This review article presents an analysis of the main areas of research on the topic of classification of objects in an image using computer vision methods. Computer vision methods allow you to automate the process of extracting semantic meaning from images. The classification of objects in an image means the localization of objects of interest to the researcher and their correlation with a certain class. The relevance of this topic is enshrined in the state program: the national strategy for the development of artificial intelligence for the period until 2030. The article national strategy for the development of artificial intelligence for the period until 2030. The article also provides statistics on the publication activity of scientific authors on the topic “computer vision”, which also shows the relevance of this area. The work has the following structure: in the introduction of the article various statistics are given that reflect the relevance of the topic. The following is an overview of scientific research devoted to solving the applied aspects of the problem of classifying objects in an image in various fields of human activity. The main focus is on the following application areas: medicine, industry, security, transport and military affairs. The following is an analysis of the methods that are used to solve the problem of classifying objects in an image. The author distinguishes two groups of methods: classical and neural network methods. Classical algorithms and methods mean an approach to solving the problem of classifying objects in an image that does not use artificial neural networks.

Conclusions. The research topic is relevant today, which is confirmed by statistics and government programs. The following disadvantages have been identified for classical methods: each new applied problem requires the construction of an algorithm for solving it, the complexity of identifying significant features and instability when working with certain types of data. For neural network methods, the main disadvantage is the dependence of the final model on the quality of the data set on which it is trained.