تعداد پروژه‌های بینایی رایانه یا Computer Vision روز به روز در حال افزایش است و پایه و اساس یک پیشرفت سریع در سال 2020 را فراهم کرده‌اند. درحالی‌که اشکال مختلف هوش مصنوعی در چند سال گذشته در سیستم‌های هوشمند شکل گرفته است، بینایی رایانه (Computer Vision) در سال 2020 یکی از پرطرفدارترین شاخه این حوزه محسوب می‌شود.
یک سیستم هوش مصنوعی (AI) در مطالعه جدیدی که در مجله Nature به چاپ رسیده است توانسته است متخصصان انسانی را در تشخیص سرطان سینه یاری کند. محققان درگیر در این پروژه شامل کارمندان گوگل و کارشناسان پزشکی ایالات‌متحده پیشرفت بیشتری در بینایی ماشین کرده‌اند. این تکنولوژی می‌تواند در بسیاری از برنامه‌ها از اسکن تصاویر رادیولوژی گرفته تا تعیین محتویات یخچال مورد استفاده قرار گیرند.
شرکت‌ها در زمینه بینایی رایانه دید وسیعتری نسبت به مصرف‌کنندگان دارند. با توجه به اینکه ویژگی تشخیص چهره اکنون می‌تواند به عنوان قفل تلفن‌های هوشمند استفاده شود، این فناوری بیش از پیش مورد توجه قرار گرفته است.
استفاده از دوربین‌های تحت شبکه IP پروژه‌های بینایی ماشین را بیشتر تقویت کرده است. بنا بر یک گزارش IHS Markit تا سال 2021 حدود 1 میلیارد دوربین نظارتی در اماکن مختلف نصب شده‌اند.
افزون بر این، از دوربین‌ها بیشتر در بخش صنعت، وسایل نقلیه هوشمند، هواپیماهای بدون سرنشین یا پهپادها، واقعیت افزوده (AR) و بسیاری از کاربردهای دیگر مورداستفاده قرار می‌گیرند زیرا دوربین‌ها برای بدست آوردن اطلاعات پهنای باند یکی از بهترین سنسورها هستند.
بینایی رایانه موضوعی محبوب برای محققان شرکت‌های فناوری و دانشگاه محسوب می‌شود. شرکت‌های پرقدرت نظیر IBM، آمازون، شرکت‌های چینی Baidu و Tencent، مایکروسافت و گوگل همگی مانند بسیاری از مؤسسات برجسته دانشگاهی بین‌المللی دارای ابتکارات چشمگیری در زمینه بینایی رایانه هستند.
شرکت‌های تحلیلگر نیز نسبت به چشم‌انداز بینایی رایانه خوش‌بین هستند زیرا یکی از پیشرفته‌ترین فناوری‌های موجود در Gartner Hype Cycle for هوش مصنوعی در سال 2019 محسوب می‌شد پس نتیجه گرفته می‌شود که بازار پلتفرم بینایی رایانه با سرعت نور در حال حرکت است.
به‌عنوان‌مثال در اجرای قانون، دوربین‌های نظارتی مجهز به بینایی رایانه می‌توانند به راحتی یک سارق یا فراری تحت تعقیب را در میان صدها نفر پیدا کنند. همچنین، این تکنیک بالقوه می‌تواند برای رفع کمبود نیازهای رادیولوژیستی در کشورهایی مانند ایالات‌متحده استفاده شود.
انور تامار مدیر بازاریابی راهکارهای منطقه‌ای در نیویورک خاطرنشان می‌کند که تکنیک‌های بینایی رایانه می‌توانند بومی‌سازی ربات‌ها و سیستم‌های بازرسی در تنظیمات صنعتی را بهبود بخشند. به‌عنوان‌مثال یک بازرس کنترل کیفیت می‌تواند از داده‌های سنسورهای ضبط شده در طول مونتاژ علاوه بر عکس‌های یک محصول مونتاژ شده، استفاده کند تا ارزیابی کند که آیا باید آن را تأیید یا رد کند.
امروزه نگرانی‌های مربوط به حریم خصوصی مربوط به تشخیص چهره بسیار موردتوجه گسترده قرارگرفته است. در سال 2019 ، سانفرانسیسکو و اوکلند ، کالیفرنیا و سه نفر از جوامع ماساچوست ، ابزارهای تشخیص چهره را برای استفاده در اجرای قانون ممنوع کردند. با توجه اینكه مقررات عمومی حفاظت از داده‌ها و قانون حفظ حریم خصوصی مصرف‌کنندگان در كالیفرنیا دو نمونه قوانین برجسته هستند، بسیاری از دولت‌ها قانون مربوط به حریم خصوصی را در اولویت قرار داده‌اند.
یک سیستم دوربین امنیتی در تگزاس از رویکرد جالبی استفاده می‌کند. این سیستم چهره افراد را مبهم می‌کند و از فضای ذخیره‌سازی ابری استفاده نمی‌کند. لیزا فالزون مدیر اجرایی امنیت آتنا گفت این رویکرد می‌تواند به جلوگیری یا تسریع در پاسخ به تیراندازی‌های دسته‌جمعی بدون نقض حریم خصوصی مردم کمک کند.
در حال حاضر آموزش مدل‌های دیداری اغلب وقت‌گیر و پرهزینه است. مدل‌های مفید داده می‌تواند به ساده‌تر کردن این مرحله آموزش کمک کند و منجر به پیشرفت در انواع پروژه‌های بینایی ماشین شود.
شایان‌ذکر است که سیستم‌های بینایی رایانه فقط به اندازه داده‌های آموزش آنها مناسب هستند. اشیا معمولی که در زاویه‌های عجیب‌وغریب و با پس‌زمینه‌های متنوع قرار دارند می‌توانند در برنامه‌های پیشرفته رایانه ماشین نیز کم بیاورند. تیمی متشکل از محققان MIT و دانشمندان دیگر در تلاشند تا صحت چنین سیستم‌هایی را هنگام مواجهه با تصاویر غیرمعمولی بهبود بخشند. اگر سازمانها بتوانند در دراز مدت داده‌های لازم و بلوغ حریم خصوصی موردنیاز برای بینایی رایانه را توسعه دهند، می‌توانند به هوش مصنوعی نزدیک شوند.
