PFEBOUIDI

BOUIDI Abderrahmane

За апликацијава

Препознавањето на слики, во контекст на Computer Vision, е способност на софтверот да идентификува предмети, места, луѓе, списи и дејства во сликите. Компјутерите можат да користат технологии за машинско гледање во комбинација со камера и софтвер за вештачка интелигенција за да постигнат препознавање на слики.
Класификацијата на слики се однесува на процес во компјутерската визија што може да класифицира слика врз основа на нејзината визуелна содржина. На пример, алгоритам за класификација на слики може да биде дизајниран да покаже дали сликата содржи човечка фигура или не. Иако откривањето објекти е тривијално за луѓето, робусната класификација на слики останува предизвик за апликациите за компјутерска визија.
Целта на оваа студија е да се одреди што ја прави длабоката невронска мрежа која обработува сложени податоци, како што се податоците за слики/видео, побрза и попрецизна, ќе ги испитаме најновите успешни архитектури на невронски мрежи за да одредиме што е најефикасно (и најбрзо) архитектура(и) во класификацијата на слики, а ние исто така ќе истражуваме кои техники за оптимизација функционираат најдобро кај овој тип на податоци.
Се обидуваме да разбереме како истражувачите неодамна направија голем чекор напред во визуелното препознавање со класифицирање на сликите и да видиме како тие постигнаа неверојатна оценка за точност на предизвикот ImageNet. Имајќи предвид како можеме побрзо да обработуваме сложени податоци како што се податоците за слики, како можеме да се справиме со проблемот на преоптоварување на овие податоци и како да го минимизираме времето за обука на нашата архитектура.