Теорія розпізнавання зображень — розділ кібернетики, що розвиває теоретичні основи й методи класифікації і ідентифікації предметів, явищ, процесів, сигналів, ситуацій і т. п. об'єктів, які характеризуються кінцевим набором деяких властивостей і ознак. Такі задачі вирішуються досить часто, наприклад, при переході або проїзді вулиці за сигналами світлофора. Розпізнавання кольору лампи світлофора, що засвітилася, і знання правил дорожнього руху дозволяє прийняти правильне рішення про те, можна, чи не можна переходити вулицю в цей момент.
Створення штучних систем розпізнавання образів залишається складною теоретичною й технічною проблемою. Необхідність у такому розпізнаванні виникає в самих різних областях — від військової справи й систем безпеки до оцифровування різних аналогових сигналів.
Традиційно задачі розпізнавання образів включають у коло задач штучного інтелекту.
Можна виділити два основних напрямки:
Для оптичного розпізнавання образів можна застосувати метод перебору вигляду об'єкта під різними кутами, масштабами, зсувами й т. п. Для букв потрібно перебирати шрифт, властивості шрифту й т. п.
Другий підхід — знайти контур об'єкта й досліджувати його властивості (зв'язність, наявність кутів і т. п.)
Ще один підхід — використовувати штучні нейронні мережі. Цей метод вимагає або великої кількості прикладів задачі розпізнавання (із правильними відповідями), або спеціальної структури нейронної мережі, що враховує специфіку даної задачі.
Індуктивне навчання, або навчання за прецедентами, засноване на виявленні загальних властивостей об'єктів на підставі неповної інформації, отриманих емпіричним шляхом. Дедуктивне навчання передбачає формалізацію знань експертів у вигляді баз знань (експертних систем тощо).
Якщо саме ці напрямки тобі цікаві, ти бачиш своє майбутнє в ІТ-сфері та хочеш удосконалити та модернізувати світ, в якому ти живеш, почни вивчати Штучний інтелект разом із нами!