PFEBOUIDI

BOUIDI Abderrahmane

Az alkalmazásról

A képfelismerés a számítógépes látás kontextusában a szoftver azon képessége, hogy tárgyakat, helyeket, embereket, írásokat és cselekvéseket azonosítson a képeken. A számítógépek gépi látástechnológiákat használhatnak kamerával és mesterséges intelligencia szoftverrel kombinálva a képfelismerés érdekében.
A képosztályozás a számítógépes látás olyan folyamatára vonatkozik, amely képes osztályozni a képet annak vizuális tartalma alapján. Például egy képosztályozási algoritmust meg lehet tervezni annak jelzésére, hogy egy kép tartalmaz-e emberi alakot vagy sem. Bár a tárgyak észlelése triviális az emberek számára, a robusztus képosztályozás továbbra is kihívást jelent a számítógépes látásalkalmazások számára.
Ennek a tanulmánynak a célja annak meghatározása, hogy mitől gyorsabb és pontosabb egy mély neurális hálózat, amely összetett adatokat, például kép/videó adatokat dolgoz fel, megvizsgáljuk a legújabb sikeres neurális hálózati architektúrákat, hogy meghatározzuk, melyik a leghatékonyabb (és leggyorsabb). építészet(ek) a képosztályozásban, és azt is megvizsgáljuk, hogy mely optimalizálási technikák működnek a legjobban az ilyen típusú adatoknál.
Megpróbáljuk megérteni, hogy a kutatók a közelmúltban milyen nagy lépést tettek előre a vizuális felismerés terén a képek osztályozásával, és megnézzük, hogyan értek el hihetetlen pontosságot az ImageNet kihíváson. Figyelembe véve, hogyan dolgozhatunk fel gyorsabban olyan összetett adatokat, mint a képadatok, hogyan tudjuk kezelni az adatok túlillesztésének problémáját, és hogyan tudjuk minimalizálni az architektúránk betanítási idejét.