Çima naskirina wêneyê girîng e?

Nêzîkî 80% maddeya li ser tevneyê dîtbar e. Hûn ê berê karibin dest bi xebatê bikin ka çima nîşankirina wêneyê dibe ku cîhê xwe wekî axayê maseya maddeyê bigire. Bêyî ku ew mirov bin an rêxistin bin, naskirina wêneya AI-ê ev yek çêkiriye ku meriv dîmenên serhêl bi tiştên negirîng veqetîne. Li wir dora 657 mîlyar wêne her sal bi baldarî têne şandin, ku beşek mezin bi riya medyaya serhêl têne xuyang kirin. Parçeyek minasib ji wan wêneyan kes in ku tiştan pêşde diçin, bêyî ku ew bi xeletî wiya dikin. Naveroka hilberandî ya xerîdar (UGC) di strukturên xwe yên herî bêkêmasî de ji bo marqeyan bandorek hêzdar a berbiçav e ji ber ku ew pêşkeftina herî îdeal dide.

Dema ku ji hêla medyaya serhêl ve agahdariyek kirrûbirrê hebe amûrên reklamê hene ku rêxistinên alarmê hene, di heman demê de divê tiştek neyê gotin dema ku pêşkeftina marqeyan çêdibe bêyî ku kes navê xwe di posta civakî de nîşan bide? Ev cîhê ku naskirina wêneya AI-ê nirxa xwe nîşan dide ye. Li ser şansê ku teknolojî ji berhevokên daneya rast tê girtin, AI dikare wêneyek bêyî ku nîşanek eşkere jê re referans dike veqetîne. Encam ji bo marqeyan girîng in ku hişyariyên xwe yên civakî bişopînin û bişopînin.

Naskirina wêneyê çawa dixebite?

Wekî ku em belkî dizanin AI dikare di qonaxên medya-based web-ê de li wêneyan bigere û wan bi berhevokên agahdarî yên berfireh re berevajî bike. Ew di wê gavê de wêneyek têkildar hildibijêre ku bi rêjeyek pir zûtir ji ya ku mirov karibe bikin hevûdu hildibijêre. Marqe pejirandina wêneyê bikar tînin da ku naverok mîna ya xwe bi navgîniya medya-based web-ê vedîtin. Ev tê vê wateyê ku logoya marqeyekê ji hev cuda bikin an jî di nav xerîdarên medya-based web-ê de rewşa babetê ku bi xwezayê cîh girtiye. Daxwaza ku mirov bi gelek daneyan masîgiran bi bandor bikêr dibe. Aqilê simulkirî li ser xeletiya mirovî stresê nake, û encamên rast di astên bêhempa de vedigerîne. Pejirandina wêneya îstîxbarata artificial tiştên ku kes li ser marqeyekê bêyî hewcedariya nivîsê diyar dikin nîşan dide. Marqeyên ku amade ne ku li pey hişyariyên xwe yên civakî bişopînin bêyî ku xerîdar li bendê bin ku navê rêxistinê binivîsin dê di rewşek hêja de biqewimin. Ihtîmala ku meriv ji tevlêbûna xweya serhêl bi taybetî bi navgînên nasnavên têgihîştî yên AI-ê sûd werbigire pir mezin e û tevlêbûnek bêhempa pêşkêşî dike.

Li vir hin karên gelemperî yên naskirina wêneyê hene: -

Ji destpêkê ve pêdivî ye ku em biryar bidin ka agahdariya wêneyê hin gotar, ronîkirin, an tevgerek taybetî heye. Ev peywir bi gelemperî dikare ji hêla mirovî ve ji dil û bêyî zordestî were çareser kirin, di heman demê de di vîzyona PC-ê de ji bo doza giştî hîn jî bi têra xwe nayê çareser kirin: gotarên xwe-xwebawer di şert û mercên berbiçav de. Teknolojiyên heyî yên ji bo birêvebirina vê pirsgirêkê dikarin çêtirîn werin çareser kirin tenê ji bo gotarên eşkere, mînakî, tiştên bingehîn ên matematîkî (mînak, piralî), rûyên mirovan, karakterên çapkirî an veguheztin, an wesayîtan, û di rewşên eşkere de, bi gelemperî bi qasî hemî têne xuyang kirin. li dor ronîbûn, bingeh û pozîsyona tiştê ku bi kamerayê re berhev dike diyar dike. Di nivîsê de cûrbecûr cûrbecûr pirsgirêka pejirandinê têne xuyang kirin:

• Naskirina Objekt

Yek an çend gotar an dersên tiştan ên pêş-dîyarkirî an fêrbûyî dikarin werin fêm kirin, bi gelemperî digel rewşên wan ên 2D di wêneyê de an pozîsyonên 3D yên di dîmenê de.

• Nasname

Bûyerek takekesî ya gotarek tê dîtin. Model delîlên cihêreng ên rûyê kesek taybetî an nîşanek bêhempa, an nasnameya wesayîtek taybetî ne.

• Tespîtkirin

Agahdariya wêneyê ji bo rewşek taybetî tête lêkolîn kirin. Model di wêneyên klînîkî de keşfkirina şaneyên xerîb an tevnvîsên têgihîştî an jî naskirina wesayitek di çarçoveyek lêçûnek kolanê ya bernamekirî de ye. Vedîtina ku bi hesabên bi nermî rast û bilez ve girêdayî ye vir û wir de ji bo dîtina deverên nermtir ên agahdariya wêneya balkêş a ku dikare ji hêla bêtir daxwazkirina stratejiyên hesabker ve were hilweşandin ji bo afirandina wergerek rast were bikar anîn.

Çend karên taybetî yên girêdayî pejirandinê hene, wek nimûne,

• hilanînê picture-based Content

Li vir hemî wêneyan di rêkûpêkek mezin a wêneyên ku xwedan maddeyek taybetî ne de kifş dikin. Madde dikare bi rengekî neçaverêkirî were destnîşankirin, mînakî bi qasî hevşibandina wêneyekî objektîf (hemû wêneyên mîna wêneyê X bide min), an jî bi qasî ku standardên şopandina astek girîng ên ku wekî têketina nivîsê têne dayîn (hemû wêneyên ku gelek tê de hene bidin min xaniyan, di zivistanê de têne girtin û ti wesayît di wan de tune).

• Nirxandina pozê

pêdivî ye ku em pozîsyon an rêgezek gotarek taybetî bi kamerayê re berhev bikin binirxînin. Serlêdanek modela ji bo vê stratejiyê dê ji robotek re bibe alîkar ku di rewşek pergala hilberîna mekanîkî de tiştên ji xetek veguheztinê vedigire.

• Pejirandina karaktera optîkî

OCR ku di wêneyên naveroka çapkirî an bi destan hatî nivîsandin de karakteran ji hev cihê dike, bi piranî bi armanca dawîn ku naverok di rêxistinek de bêtir kod bike û hêz bide guhertin an fermankirina Beşa Zanist û Endezyariya Komputerê, Zanîngeha Dewleta Michigan. Stratejî têne afirandin ku tiştan kifş bikin, bibînin ku kîjan roniyên wan wan ji yên din nas dikin, û plansazkirina hesabên ku ji hêla makîneyek ve têne bikar anîn da ku karakterîzekirinê bike. Serîlêdanên girîng pejirandina rû, delîlên naskirî yên bandora tiliyê, ceribandina wêneyê tomar, pêşkeftina modela gotara 3D, rêça robotan, û nûnertî / vekolîna agahdariya volumetricî ya 3D vedihewîne. Pirsgirêkên lêkolînê yên Ebb û herikînê pejirandina biyometrîk, çavdêriya bernamekirî û şopandin, HCI-ya bêdestûr, pêşandana rû, nîşankirina avê ya kompîturî û lêkolîna sêwirana arşîvên serhêl pêk tîne. Xwendekarên dereng ên laboratîfê bi pejirandina pênûsê, kontrolkirina îmzeyê, fêrbûna dîtbarî û vegerandina wêneyê re mijûl bûne.

Cins:

Pêdivî ye ku em bibînin ku ew çend pîxelên daneya şokdar hewce dike ku vebijarka naskirina mijara wêneyek hebe, komek ku ji hêla pisporek MIT ve hatî ajotin dîtin. Vedîtin dikare di delîlên naskirî yên mekanîze yên wêneyên serhêl de pêşkeftinên awarte derxe holê û, di dawiyê de, pêşnumayek bide PC-yan ku mîna mirovan bibînin. Têgihîştina wêneyek taybetî ya kurt dê pêşkeftinek girîng be ji bo ku meriv bi vî rengî bi mîlyaran wêneyan li ser Înternetê tomar bike. Heya nuha, nêzîkatiyên tenê yên lêgerîna wêneyan bi nivîsên naverokê ve girêdayî ne ku kesan bi destan ji bo her wêneyê ketine, û gelek wêne hewceyê van daneyan in. Nasnameya bernamekirî di heman demê de nêzîkatiyek dide wêneyên pelan ên kesan ku ji kamerayên komputerkirî dakêşin ser PC-yên xwe, bêyî ku ezmûn bikin û her yekê bi destan binnivîs bikin. Di heman demê de, di dawiyê de ew dikare dîtina makîneyê ya rastîn bişopîne, ku carinan dikare destûrê bide robotan ku agahdariya ku ji kamerayên xwe têne veqetandin û li ku derê ne veqetînin. lewra heke du wêne xwedî komek [hejmaran] berawirdî bin, ew guman berawirdî ne. bi gelemperî ji gotarek wekhev, bi gelemperî bi rêkûpêkek wekhev hatî çêkirin." Ger wêneyek bi nivîsek an sernavek re têkildar be, di wê demê de wêneyên cihêreng ên ku koda wê ya matematîkî hevrêz dikin dê belkî mijarek wekhev nîşan bidin, (mînak, wesayitek, darek, an kesek) bi vî rengî navê bi yek wêneyê re têkildar dibe. koçî yên din kir. "Digel gelek wêneyan, hêj hesabên bi gelemperî rasterast jî dikarin bi rastî baş tevbigerin" di naskirina wêneyan de bi vî rengî.

⦁ Naskirina Rû

em fam dikin ku çarçoveyên pejirandina rû bi domdarî wekî rêbazên rakirina daneyên biyometrîkî navdar dibin. Pejirandina rû di çarçoveyên biyometrîkî de beşek bingehîn heye û ji bo serîlêdanên cihêreng, tevî vedîtina dîtbar û ewlehiyê, dilkêş e. Di ronahiya pejirandina giştî ya nifûsê ya wêneyên rû li ser raporên cihêreng de, pejirandina rû potansiyelek bêhempa heye ku veguhere nûbûnek biyometrîkî ya pêşkeftî ya biryarê.

Pergalên Naskirina Wêne

⦁ Muayeneya tevgerê

Çend peywir bi nirxandina tevgerê re nas dikin li cihê ku rêzek wêneyek tê amadekirin da ku pîvanek bilezê çêbike an li her balê di wêneyê de an di dîmena 3D de, an jî ji kameraya ku wêneyan radest dike. Mînakên karên weha ev in:

⦁ Tevgera Ego

Biryara tevgera bêkêmasî ya 3D (pivot û şîrovekirina) kamerayê ji rêzek wêneyek ku ji hêla kamerayê ve hatî afirandin.

⦁ Şopandin

Dê li pey pêşveçûnên (bi gelemperî) rêkûpêkek hûrgelê ya balkêş an protestoyan (mînak, wesayit an mirov) li dûv wêneyê bişopînin.

⦁ Herikîna optîkî

Ev e ku ji bo her xalek di wêneyê de biryar bide ku ew xal çawa li gorî plana wêneyê, ango tevgera wê ya diyar, çawa dimeşe. Ev tevger hem encamek e ku xala 3D ya berhevkar di dîmenê de çawa dimeşe û hem jî kamera çawa li gorî dîmenê dimeşe.

⦁ Ji nû ve çêkirina dîmen

Ji ber ku yek an (bi gelemperî) bêtir wêneyên dîmenek, an vîdyoyek têne dayîn, nûavakirina dîmenê modelek 3D ya dîmenê tomar dike armanc. Di rewşa herî hêsan de, model dikare bibe komek hûrgelên 3D. Stratejiyên safîtir modelek rûbera tevahî 3D hilberîne

⦁ Ji nû ve avakirina wêneyê

Xala ji nû ve avakirina wêneyê valakirina tevliheviyê ye (qirma sensor, nezelalbûna tevger û hwd.) ji wêneyan. Rêbaza herî hindik a tevlihev a ji bo derxistina tevliheviyê celebên kanalan e, mînakî kanalên kêm-derbas an kanalên navîn. Stratejiyên nûjentir li bendê ne ku modelek çawa strukturên wêneya taxê dişibin hev, modelek ku wan ji tevliheviyê nas dike. Bi lêkolîna pêşî li agahdariya wêneyê di demek pir a strukturên wêneyê nêzîk de, mînakî, xet an xêz, û dûv re kontrolkirina veqetandina girêdayî daneyên taxê ji pêngava azmûnê, astek bilind a valakirina tevliheviyê bi gelemperî bi ya kêmtir tê berevajî kirin. metodolojiyên tevlihev. Di vî warî de modelek wênesaziya wan e. Çend çarçove serîlêdanên serbixwe ne ku pirsgirêkek texmîn an nasînê ya taybetî destnîşan dikin, hinên din jî birêkûpêkek plansaziyek mezintir pêk tîne ku, mînakî, di heman demê de jêr-çarçoveyên kontrolkirina çalakgerên mekanîkî, birêkûpêkkirin, bingehên agahdariya daneyê, mirov- navgînên makîneyê, û hwd. Bi taybetî pêkanîna çarçoveyek vîzyona PC-yê bi heman rengî ve girêdayî ye ger kêrhatina wê ji berê ve hatî destnîşankirin an heke hin perçeyek wê pir baş di dema çalakiyê de fêr bibe an were sererast kirin. Wekî ku dibe bila bibe, kapasîteyên birêkûpêk ên ku di gelek vîzyona PC-yê de têne dîtin hene