Hay muchas formas de clasificar la dificultad de una tarea de visión por computadora:
- ¿Qué tan grande es el conjunto de datos que estamos ejecutando o el algoritmo de Computer Vision?
- ¿Cuán abstracto o nebuloso es el resultado de nuestra meta? (La visión por computadora funciona bien con tareas matemáticas muy bien definidas en lugar de generalizaciones)
- ¿Qué tan difícil es implementar la intuición humana en nuestro programa para obtener un resultado útil?
Probablemente la más grande en escala y alcance es la indexación e identificación inteligente de los resultados de búsqueda de imágenes. Identificar lo que hay en una imagen no solo es extremadamente difícil para las computadoras sin la toma de decisiones humanas como referencia, es difícil encontrar el resultado etiquetado correctamente en una búsqueda. Digamos, por ejemplo, que buscas en Google imágenes para una “persona”, el resultado podría mostrar todo, desde pinturas del Renacimiento italiano hasta imágenes de sirenas en películas (que el usuario que busca no siempre las considera “personas”). Este proceso de etiquetado y búsqueda debe hacerse en cada imagen en la web (que es una gran cantidad de datos) y luego ordenarse y priorizarse de manera útil.
- ¿Cuáles son los principales problemas abiertos en la teoría de la complejidad computacional?
- ¿Alguien puede dar una idea de la investigación en informática?
- ¿Cuáles son las limitaciones prácticas de la visión por computadora móvil?
- ¿Quiénes son algunas mujeres informáticas que han hecho avances sustanciales?
- ¿Qué es una lista de investigadores en UCLA que están trabajando en la investigación de aprendizaje automático?
