يعد التعرف على الكائنات مجالًا فرعيًا من رؤية الكمبيوتر، وغالبًا ما يشار إليه باسم فهم الصور المستندة إلى الكائنات. إنها مهمة الكمبيوتر التعرف على الأشياء الموجودة في الصورة أو الفيديو. ويشار إليه أحيانًا أيضًا باسم التعرف التلقائي أو اكتشاف الكائنات.
وقد ساعد التعرف على الكائنات والمهام المرتبطة بها مثل تصنيف الكائنات في الأتمتة، كما هو الحال في السيارات ذاتية القيادة والروبوتات. في مثل هذه السيناريوهات، يحتاج الكمبيوتر إلى تحليل الصورة وتحديد الكائنات الموجودة، ونوع الكائن الموجود، ومكان ارتباطه بالكائنات الأخرى داخل الصورة.
يتكون التعرف على الكائنات من عدة مراحل. في الخطوة الأولى، يتم تنفيذ الكشف عن المنطقة ذات الاهتمام. يتم استخدام الخوارزميات لاكتشاف المرشحين المهمين في الصورة، والتي يمكن أن تتراوح في الحجم والشكل، مثل الدوائر أو الخطوط أو الحواف المستقيمة. ثانياً، يتم استخراج المعالم، من خلال حساب الوصف الرقمي لكل كائن مكتشف، مثل متوسط لونه أو حوافه.
بمجرد استخراج هذه الميزات، فقد حان الوقت لمقارنتها بالأشياء المعروفة مسبقًا. تتم هذه المقارنة باستخدام خوارزميات مختلفة يمكنها العثور على أفضل تطابق. بمجرد العثور على تطابق، غالبًا ما يُشار إلى الكائن المحدد باسم "الهدف".
يستخدم التعرف على الكائنات لمختلف التطبيقات. يتم استخدامه للتعرف على الوجوه في الصور، من أجل أمن الكمبيوتر والمصادقة. كما أنها تستخدم في الأتمتة الصناعية والروبوتات، والتصوير الطبي، وتتبع الحركة، والرسوم المتحركة بالكمبيوتر.
في السنوات الأخيرة، تم تحسين التعرف على الكائنات من خلال التعلم العميق، وهو شكل قوي من أشكال التعلم الآلي. من خلال التعلم العميق، يمكن للكمبيوتر تحليل كميات كبيرة من البيانات بسرعة واستخدامها لتحديد الكائنات. أصبحت تقنيات التعرف على الأشياء أكثر دقة وموثوقية من أي وقت مضى.
