PFEBOUIDI
0+
Ներբեռնումներ
Բոլորի համար
info
Հավելվածի մասին
Image Recognition-ը, Computer Vision-ի համատեքստում, ծրագրային ապահովման կարողությունն է՝ բացահայտելու առարկաները, վայրերը, մարդկանց, գրությունները և գործողությունները պատկերներում: Համակարգիչները կարող են օգտագործել մեքենայական տեսողության տեխնոլոգիաները տեսախցիկի և արհեստական ինտելեկտի ծրագրերի հետ համատեղ՝ պատկերների ճանաչման հասնելու համար:
Պատկերների դասակարգումը վերաբերում է համակարգչային տեսողության գործընթացին, որը կարող է դասակարգել պատկերը՝ հիմնվելով նրա տեսողական բովանդակության վրա: Օրինակ, պատկերների դասակարգման ալգորիթմը կարող է նախագծվել՝ ցույց տալու համար, թե արդյոք պատկերը պարունակում է մարդու կերպար, թե ոչ: Թեև օբյեկտների հայտնաբերումը աննշան է մարդկանց համար, պատկերների կայուն դասակարգումը մնում է մարտահրավեր համակարգչային տեսլականի հավելվածների համար:
Այս ուսումնասիրության նպատակն է որոշել, թե ինչն է դարձնում խորը նեյրոնային ցանցը, որը մշակում է բարդ տվյալներ, ինչպիսիք են պատկերի/վիդեո տվյալները, ավելի արագ և ճշգրիտ: ճարտարապետություն(ներ) պատկերների դասակարգման մեջ, և մենք նաև կուսումնասիրենք, թե օպտիմալացման որ տեխնիկան է լավագույնս աշխատում այս տեսակի տվյալների մեջ:
Մենք փորձում ենք հասկանալ, թե ինչպես են հետազոտողները վերջերս մեծ քայլ առաջ կատարել տեսողական ճանաչման գործում՝ դասակարգելով պատկերները, և տեսնել, թե ինչպես են նրանք ստացել անհավանական ճշգրտության միավոր ImageNet մարտահրավերում: Հաշվի առնելով, թե ինչպես կարող ենք ավելի արագ մշակել բարդ տվյալներ, ինչպիսիք են պատկերի տվյալները, ինչպես կարող ենք լուծել այս տվյալների վրա գերհամապատասխանության խնդիրը և ինչպես կարող ենք նվազագույնի հասցնել մեր ճարտարապետության վերապատրաստման ժամանակը:
Պատկերների դասակարգումը վերաբերում է համակարգչային տեսողության գործընթացին, որը կարող է դասակարգել պատկերը՝ հիմնվելով նրա տեսողական բովանդակության վրա: Օրինակ, պատկերների դասակարգման ալգորիթմը կարող է նախագծվել՝ ցույց տալու համար, թե արդյոք պատկերը պարունակում է մարդու կերպար, թե ոչ: Թեև օբյեկտների հայտնաբերումը աննշան է մարդկանց համար, պատկերների կայուն դասակարգումը մնում է մարտահրավեր համակարգչային տեսլականի հավելվածների համար:
Այս ուսումնասիրության նպատակն է որոշել, թե ինչն է դարձնում խորը նեյրոնային ցանցը, որը մշակում է բարդ տվյալներ, ինչպիսիք են պատկերի/վիդեո տվյալները, ավելի արագ և ճշգրիտ: ճարտարապետություն(ներ) պատկերների դասակարգման մեջ, և մենք նաև կուսումնասիրենք, թե օպտիմալացման որ տեխնիկան է լավագույնս աշխատում այս տեսակի տվյալների մեջ:
Մենք փորձում ենք հասկանալ, թե ինչպես են հետազոտողները վերջերս մեծ քայլ առաջ կատարել տեսողական ճանաչման գործում՝ դասակարգելով պատկերները, և տեսնել, թե ինչպես են նրանք ստացել անհավանական ճշգրտության միավոր ImageNet մարտահրավերում: Հաշվի առնելով, թե ինչպես կարող ենք ավելի արագ մշակել բարդ տվյալներ, ինչպիսիք են պատկերի տվյալները, ինչպես կարող ենք լուծել այս տվյալների վրա գերհամապատասխանության խնդիրը և ինչպես կարող ենք նվազագույնի հասցնել մեր ճարտարապետության վերապատրաստման ժամանակը:
Վերջին թարմացումը՝
Անվտանգությունը որոշվում է նրանով, թե ինչպես են մշակողները հավաքում և փոխանցում ձեր տվյալները։ Տվյալների գաղտնիության և անվտանգության ապահովումը կախված է հավելվածի օգտագործումից, օգտատիրոջ տարիքից և բնակության երկրից։ Այս տեղեկությունները տրամադրվել են մշակողի կողմից և ժամանակի ընթացքում կարող են թարմացվել։
Երրորդ կողմերին տվյալներ չեն փոխանցվում
Իմացեք ավելին, թե ինչպես են մշակողները հայտարարում տվյալների փոխանցման մասին
Հավելվածը տվյալներ չի հավաքում
Իմացեք ավելին, թե ինչպես են մշակողները հայտարարում տվյալների հավաքման մասին
Հավելվածի աջակցություն
phone
Հեռախոսահամար
+212661526985
Մշակողի մասին
Abderrahman Bouidi
bouididivers@gmail.com
Morocco
undefined
