Una prueba de visión por computadora presenta una serie de desafíos para un algoritmo de visión y anota las respuestas. El desarrollo de la visión por computadora apoya actividades como el procesamiento automatizado de imágenes, el diagnóstico de pacientes y el movimiento de robots. Las instalaciones interesadas en este tema utilizan pruebas para determinar el nivel de rendimiento que pueden lograr con varios algoritmos y programas. Esto puede ayudarlos a determinar dónde necesita mejorar su trabajo y qué tipo de mejoras implementar para hacer que un algoritmo sea más funcional.
Al igual que el cerebro humano, una computadora puede actuar como un procesador de información visual, con el uso de cámaras para la entrada visual. La visión por computadora puede variar desde procesos relativamente simples como reconocer un elemento específico en el campo visual hasta análisis más complejos. Esto se hace a través de la programación y la capacitación, que implica pruebas de visión por computadora para desafiar programas. Por lo general, se necesita un laboratorio para una prueba de visión por computadora para controlar variables y acceder a equipos de procesamiento de alta velocidad.
En una prueba de visión por computadora, el algoritmo puede presentarse con una serie de imágenes de desafío. Estos pueden variar en complejidad y pueden incluir imágenes de referencia y de prueba, así como objetivos, para ver cómo responde a la mezcla en su conjunto. Para un programa de reconocimiento facial, por ejemplo, los programadores quieren que la computadora detecte rostros humanos y no se confunda con cosas que puedan parecer caras, como una fotografía de una roca de forma extraña. Los probadores programan la computadora para ofrecer una salida, como rodear una cara o iluminar una luz indicadora, en respuesta a la entrada visual.
Las imágenes fijas no son lo único que se puede utilizar en una prueba de visión por computadora. Las computadoras también pueden trabajar con video y eventos en vivo en tiempo real. Es posible que necesiten poder rastrear objetivos específicos en movimiento y realizar una variedad de operaciones. Por ejemplo, los sistemas de observación y selección de objetivos en aviones militares pueden seguir un objetivo y actualizar automáticamente las trayectorias y otros parámetros en beneficio del piloto. De manera más pacífica, el seguimiento de imágenes en vivo puede ser útil para personas como los fotógrafos deportivos, que pueden confiar en las funciones de enfoque automático rápido cuando trabajan con sujetos veloces como caballos de carreras.
Se puede utilizar una variedad de pruebas para llevar un programa al límite. A medida que los evaluadores identifican los puntos débiles, pueden realizar ajustes en el programa y volver a probarlo. Los algoritmos capaces de aprender pueden ser críticos para este tipo de actividades, ya que el programa puede volverse más inteligente con cada prueba de visión por computadora. Aprende de sus errores y archiva esta información para referencia futura, para minimizar la posibilidad de falsos positivos o negativos.