ಇಮೇಜ್ ರೆಕಗ್ನಿಷನ್, ಕಂಪ್ಯೂಟರ್ ವಿಷನ್ ಸಂದರ್ಭದಲ್ಲಿ, ವಸ್ತುಗಳು, ಸ್ಥಳಗಳು, ಜನರು, ಬರಹಗಳು ಮತ್ತು ಚಿತ್ರಗಳಲ್ಲಿನ ಕ್ರಿಯೆಗಳನ್ನು ಗುರುತಿಸಲು ಸಾಫ್ಟ್ವೇರ್ನ ಸಾಮರ್ಥ್ಯವಾಗಿದೆ. ಇಮೇಜ್ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಸಾಧಿಸಲು ಕಂಪ್ಯೂಟರ್ಗಳು ಕ್ಯಾಮೆರಾ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಾಫ್ಟ್ವೇರ್ನೊಂದಿಗೆ ಸಂಯೋಜನೆಯಲ್ಲಿ ಯಂತ್ರ ದೃಷ್ಟಿ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಬಳಸಬಹುದು.
ಇಮೇಜ್ ವರ್ಗೀಕರಣವು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿಯಲ್ಲಿನ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ ಅದು ಅದರ ದೃಶ್ಯ ವಿಷಯದ ಆಧಾರದ ಮೇಲೆ ಚಿತ್ರವನ್ನು ವರ್ಗೀಕರಿಸಬಹುದು. ಉದಾಹರಣೆಗೆ, ಚಿತ್ರವು ಮಾನವ ಆಕೃತಿಯನ್ನು ಹೊಂದಿದೆಯೇ ಅಥವಾ ಇಲ್ಲವೇ ಎಂಬುದನ್ನು ಸೂಚಿಸಲು ಚಿತ್ರ ವರ್ಗೀಕರಣ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಬಹುದು. ವಸ್ತು ಪತ್ತೆ ಮಾನವರಿಗೆ ಕ್ಷುಲ್ಲಕವಾಗಿದ್ದರೂ, ದೃಢವಾದ ಚಿತ್ರ ವರ್ಗೀಕರಣವು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಅನ್ವಯಗಳಿಗೆ ಒಂದು ಸವಾಲಾಗಿ ಉಳಿದಿದೆ.
ಈ ಅಧ್ಯಯನದ ಉದ್ದೇಶವು ಚಿತ್ರ/ವೀಡಿಯೊ ಡೇಟಾದಂತಹ ಆಳವಾದ ನರಗಳ ನೆಟ್ವರ್ಕ್ ಸಂಸ್ಕರಣೆಯ ಸಂಕೀರ್ಣ ಡೇಟಾವನ್ನು ವೇಗವಾಗಿ ಮತ್ತು ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವುದು, ಯಾವುದು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ (ಮತ್ತು ವೇಗವಾಗಿ) ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲು ನಾವು ಇತ್ತೀಚಿನ ಯಶಸ್ವಿ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ ಆರ್ಕಿಟೆಕ್ಚರ್ಗಳನ್ನು ಪರಿಶೀಲಿಸುತ್ತೇವೆ. ಚಿತ್ರದ ವರ್ಗೀಕರಣದಲ್ಲಿ ಆರ್ಕಿಟೆಕ್ಚರ್(ಗಳು), ಮತ್ತು ಈ ಪ್ರಕಾರದ ಡೇಟಾದಲ್ಲಿ ಯಾವ ಆಪ್ಟಿಮೈಸೇಶನ್ ತಂತ್ರಗಳು ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಸಹ ನಾವು ಸಂಶೋಧಿಸುತ್ತೇವೆ.
ಚಿತ್ರಗಳನ್ನು ವರ್ಗೀಕರಿಸುವ ಮೂಲಕ ದೃಶ್ಯ ಗುರುತಿಸುವಿಕೆಯಲ್ಲಿ ಸಂಶೋಧಕರು ಇತ್ತೀಚೆಗೆ ಹೇಗೆ ದೊಡ್ಡ ಹೆಜ್ಜೆ ಇಟ್ಟಿದ್ದಾರೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಾವು ಪ್ರಯತ್ನಿಸುತ್ತೇವೆ ಮತ್ತು ಇಮೇಜ್ನೆಟ್ ಸವಾಲಿನಲ್ಲಿ ಅವರು ಹೇಗೆ ನಂಬಲಾಗದ ನಿಖರತೆಯನ್ನು ಗಳಿಸಿದರು ಎಂಬುದನ್ನು ನೋಡಿ. ಚಿತ್ರದ ಡೇಟಾದಂತಹ ಸಂಕೀರ್ಣ ಡೇಟಾವನ್ನು ನಾವು ಹೇಗೆ ವೇಗವಾಗಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬಹುದು, ಈ ಡೇಟಾದ ಮೇಲೆ ಮಿತಿಮೀರಿದ ಸಮಸ್ಯೆಯನ್ನು ನಾವು ಹೇಗೆ ನಿಭಾಯಿಸಬಹುದು ಮತ್ತು ನಮ್ಮ ಆರ್ಕಿಟೆಕ್ಚರ್ನ ತರಬೇತಿ ಸಮಯವನ್ನು ನಾವು ಹೇಗೆ ಕಡಿಮೆ ಮಾಡಬಹುದು ಎಂಬುದನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು.
ಅಪ್ಡೇಟ್ ದಿನಾಂಕ
ಜುಲೈ 2, 2022