פארוואס בילד דערקענונג וויכטיק?

וועגן 80 פּראָצענט פון די אינהאַלט אויף די אינטערנעט איז וויזשאַוואַל. איר קענט שוין אָנהייבן ארבעטן אויס וואָס בילד טאַגינג קען האַלטן זיין אָרט ווי דער מלך פון די אינהאַלט טיש. צי עס זענען מענטשן אָדער קאָמפּאַניעס, אַי בילד דערקענונג האט געמאכט עס מעגלעך צו ידענטיפיצירן וויזשוואַלז אָנליין מיט מינימאַל טאַרעראַם. אַרום 657 ביליאָן פאָטאָס פּאָסטעד יעדער יאָר דיגיטאַל, מיט די מערהייַט אנטפלעקט אויף געזעלשאַפטלעך מידיאַ. א גוטע טייל פון די בילדער זענען מענטשן וואָס העכערן פּראָדוקטן, אפילו אויב זיי טאָן דאָס אַנוויטינגלי. באַניצער-דזשענערייטאַד אינהאַלט (UGC) אין זיין פּיוראַסט פאָרעם איז אַ ויסגעצייכנט ענייבאַלער פֿאַר בראַנדז ווייַל עס גיט די בעסטער סאָרט פון העכערונג.
עס זענען פֿאַרקויף מכשירים צו פלינק קאָמפּאַניעס ווען עס איז אַ קאַנסומער דערמאָנען אויף געזעלשאַפטלעך מידיאַ, אָבער וואָס וועגן ווען בראַנדז העכערונג נעמט אָרט אָן ווער עס יז טאַגינג זייער נאָמען אין די געזעלשאַפטלעך פּאָסטן? דאָס איז ווו אַי בילד דערקענונג פּראָוועס זיין ווערט. אויב די טעק איז געפֿיטערט די ריכטיק דאַטאַסעץ, אַי קענען ידענטיפיצירן אַ בילד אָן ספּעציפיש קוויטל דערמאנט. די רעזולטאַטן זענען ינוואַליאַבאַל פֿאַר בראַנדז צו שפּור און שפּור זייער געזעלשאַפטלעך דערמאנט.

ווי טוט בילד דערקענונג אַרבעט?

ווי מיר וויסן AI קענען זוכן געזעלשאַפטלעך מידיאַ פּלאַטפאָרמס קוקן פֿאַר פאָטאָס און פאַרגלייַכן זיי צו ברייט דאַטן שטעלט. עס דאַן דיסיידז אויף באַטייַטיק בילד וואָס שוועבעלעך אין אַ קורס פיל פאַסטער ווי יומאַנז זענען טויגעוודיק פון. בראַנדז נוצן בילד דערקענונג צו געפֿינען אינהאַלט ענלעך צו זייער אייגענע אויף געזעלשאַפטלעך מידיאַ. דאָס מיינט צו ידענטיפיצירן די לאָגאָ פון אַ סאָרט אָדער דערקענען אָרגאַניקלי געשטעלט פּראָדוקט פּלייסמאַנט צווישן געזעלשאַפטלעך מידיאַ יוזערז. אַסקינג יומאַנז צו שלעפּן דורך אַזוי פיל אינפֿאָרמאַציע איז לייכט מיד. AI טוט נישט זאָרג וועגן דעם מענטש טעות, און קערט גענוי רעזולטאַטן אין אַנפּעראַלעלד לעוועלס. אַי בילד דערקענונג מאָניטאָרס וואָס מענטשן זאָגן וועגן אַ סאָרט אָן די נויט פֿאַר טעקסט. בראַנדז וואָס קענען שפּור זייער געזעלשאַפטלעך דערמאָנונגען אָן יוזערז וואָס דאַרפֿן צו דרוקן די פירמע נאָמען וועט געפֿינען זיך אין אַ אַדוואַנטיידזשאַס שטעלע. דער פּאָטענציעל צו נוצן זייער אייגענע אָנליין קאַווערידזש בלויז דורך אַי דערקענט ידענטיפיערס איז ריזיק און אָפפערס אַנפּעראַלעלד קאַווערידזש.

דאָ זענען עטלעכע טיפּיש טאַסקס פון בילד דערקענונג: -

אין ערשטער מיר האָבן צו באַשליסן צי די בילד דאַטן כּולל עטלעכע ספּעציפיש כייפעץ, שטריך אָדער טעטיקייט. די אַרבעט קענען נאָרמאַלי סאַלווד געזונט און אָן מי דורך אַ מענטש, אָבער איז נאָך נישט צופֿרידן סאַלווד אין קאָמפּיוטער זעאונג פֿאַר די אַלגעמיינע פאַל: אַרביטראַריש אַבדזשעקץ אין אַרביטראַריש סיטואַטיאָנס. די יגזיסטינג מעטהאָדס פֿאַר דילינג מיט דעם פּראָבלעם קענען זיין בעסטער סאָלווע בלויז פֿאַר ספּעציפיש אַבדזשעקץ, אַזאַ ווי פּשוט דזשיאַמעטריק אַבדזשעקץ (למשל, פּאָליהעדראַ), מענטש פנימער, געדרוקט אָדער האַנט-געשריבן אותיות, אָדער וועהיקלעס, און אין ספּעציפיש סיטואַטיאָנס, טיפּיקלי דיסקרייבד אין טערמינען פון געזונט-דיפיינד ילומאַניישאַן, הינטערגרונט, און פּאָזע פון ​​די כייפעץ קאָרעוו צו דער אַפּאַראַט. פאַרשידענע ווערייאַטיז פון דער דערקענונג פּראָבלעם זענען דיסקרייבד אין דער ליטעראַטור:

• אָבדזשעקט דערקענונג

איינער אָדער עטלעכע פאַר - ספּעסיפיעד אָדער געלערנט אַבדזשעקץ אָדער אַבדזשעקץ קלאסן קענען זיין אנערקענט, יוזשאַוואַלי צוזאַמען מיט זייער 2 ד שטעלעס אין די בילד אָדער 3 ד פּאָוזאַז אין די סצענע.

• לעגיטימאַציע
א יחיד בייַשפּיל פון אַ כייפעץ איז דערקענט. ביישפילן זענען לעגיטימאַציע פון ​​אַ ספּעציפיש מענטש 'ס פּנים אָדער פינגערפּרינט, אָדער לעגיטימאַציע פון ​​אַ ספּעציפיש פאָרמיטל.

• דעטעקשאַן
די בילד דאַטן איז סקאַנד פֿאַר אַ ספּעציפיש צושטאַנד. ביישפילן זענען דיטעקשאַן פון מעגלעך אַבנאָרמאַל סעלז אָדער געוועבן אין מעדיציניש בילדער אָדער דיטעקשאַן פון אַ פאָרמיטל אין אַן אָטאַמאַטיק וועג אָפּצאָל סיסטעם. דיטעקשאַן באזירט אויף לעפיערעך פּשוט און שנעל קאַמפּיוטיישאַנז איז מאל געניצט פֿאַר דערגייונג קלענערער געגנטן פון טשיקאַווע בילד דאַטן וואָס קענען זיין ווייַטער אַנאַלייזד דורך מער קאַמפּיוטיישאַנאַל דימאַנדינג טעקניקס צו פּראָדוצירן אַ ריכטיק ינטערפּריטיישאַן.

עס זענען עטלעכע ספּעשאַלייזד טאַסקס באזירט אויף דערקענונג, אַזאַ ווי:

• אינהאַלט-באזירט בילד ריטריוואַל
דאָ איר געפֿינען אַלע בילדער אין אַ גרעסערע גאַנג פון בילדער וואָס האָבן אַ ספּעציפיש אינהאַלט. דער אינהאַלט קענען זיין ספּעסיפיעד אין פאַרשידענע וועגן, למשל אין טערמינען פון ענלעכקייט קאָרעוו אַ ציל בילד (געבן מיר אַלע בילדער ענלעך צו בילד X), אָדער אין טערמינען פון הויך-מדרגה זוכן קרייטיריאַ געגעבן ווי טעקסט אַרייַנשרייַב (געבן מיר אַלע בילדער וואָס כּולל פילע הייזער, זענען גענומען בעשאַס ווינטער, און האָבן קיין קאַרס אין זיי).

• פּאָזע אָפּשאַצונג
מיר האָבן צו אָפּשאַצן די שטעלע אָדער אָריענטירונג פון אַ ספּעציפיש כייפעץ קאָרעוו צו דער אַפּאַראַט. א ביישפּיל אַפּלאַקיישאַן פֿאַר דעם טעכניק וואָלט זיין אַסיסטינג אַ ראָבאָט ריטריווינג אַבדזשעקץ פון אַ קאַנווייער גאַרטל אין אַ פֿאַרזאַמלונג שורה סיטואַציע.

• אָפּטיש כאַראַקטער דערקענונג
אָקר וואָס איז ידענטיפיינג אותיות אין בילדער פון געדרוקט אָדער האַנט געשריבן טעקסט, יוזשאַוואַלי מיט אַ מיינונג צו קאָדירונג די טעקסט אין אַ פֿאָרמאַט מער און געבן צו רעדאַגירן אָדער ינדעקסינג דעפּאַרטמענט פון קאָמפּיוטער וויסנשאַפֿט און אינזשעניריע, מישיגן שטאַט אוניווערסיטעט. "די מוסטער רעקאָגניטיאָן און בילד פּראַסעסינג (פּריפּ) לאַב פיייקייַט און סטודענטן פאָרשן די נוצן פון מאשינען צו דערקענען פּאַטערנז אָדער אַבדזשעקץ. מעטאָדן זענען דעוועלאָפּעד צו זינען אַבדזשעקץ, צו אַנטדעקן וואָס פון זייער פֿעיִקייטן זיי אונטערשיידן פון אנדערע, און צו פּלאַן אַלגערידאַמז וואָס קענען זיין געוויינט דורך אַ מאַשין צו מאַכן די קלאַסאַפאַקיישאַן. וויכטיק אַפּלאַקיישאַנז אַרייַננעמען פּנים דערקענונג, פינגערפּרינט לעגיטימאַציע, דאָקומענט בילד אַנאַליסיס, 3 ד אַבדזשעקץ מאָדעל קאַנסטראַקשאַן, ראָבאָט נאַוויגאַציע און וויזשוואַלאַזיישאַן / עקספּלעריישאַן פון 3 ד וואָלומעטריק דאַטן. קראַנט פאָרשונג פּראָבלעמס אַרייַננעמען ביאָמעטריק אָטענטאַקיישאַן, אָטאַמאַטיק סערוויילאַנס און טראַקינג, כאַנדאַלד HCI, פּנים מאָדעלינג, דיגיטאַל וואָטערמאַרקינג און אַנאַלייזינג סטרוקטור פון אָנליין דאָקומענטן. לעצטע גראַדזשאַוואַץ פון די לאַבאָראַטאָריע האָבן געארבעט אויף כאַנדרייטינג דערקענונג, כסימע וועראַפאַקיישאַן, וויזשאַוואַל לערנען און בילד ריטריוואַל.

⦁ פאַסיאַל דערקענונג
מיר וויסן אַז פּנים דערקענונג סיסטעמען זענען פּראַגרעסיוולי פאָלקס ווי אַ מיטל פון עקסטראַקט ביאָמעטריק אינפֿאָרמאַציע. פּנים דערקענונג האט אַ קריטיש ראָלע אין ביאָמעטריק סיסטעמען און איז אַטראַקטיוו פֿאַר פילע אַפּלאַקיישאַנז אַרייַנגערעכנט וויזשאַוואַל סערוויילאַנס און זיכערהייט. ווייַל פון די אַלגעמיינע ציבור אַקסעפּטאַנס פון פּנים בילדער אויף פאַרשידן דאָקומענטן, פּנים דערקענונג האט אַ גרויס פּאָטענציעל צו ווערן דער ווייַטער דור ביאָמעטריק טעכנאָלאָגיע פון ​​ברירה.

בילד רעקאָגניטיאָן סיסטעמס

⦁ באַוועגונג אַנאַליסיס
עטלעכע טאַסקס פֿאַרבונדן מיט באַוועגונג אָפּשאַצונג, ווו אַ בילד סיקוואַנס איז פּראַסעסט צו פּראָדוצירן אַן אָפּשאַצונג פון די גיכקייַט אָדער אין יעדער פונט אין די בילד אָדער אין די 3 ד סצענע, אָדער אפילו פון די אַפּאַראַט וואָס פּראָדוצירן די בילדער. ביישפילן פון אַזאַ טאַסקס זענען:

⦁  עגאָ באַוועגונג
דיטערמאַנינג די שטרענג 3 ד באַוועגונג (ראָוטיישאַן און איבערזעצונג) פון די אַפּאַראַט פֿון אַ בילד סיקוואַנס געשאפן דורך די אַפּאַראַט.

⦁ טראַקינג
טראַקינג איז נאָך די מווומאַנץ פון אַ (יוזשאַוואַלי) קלענערער גאַנג פון אינטערעס ווייזט אָדער אַבדזשעקץ (למשל, וועהיקלעס אָדער יומאַנז) אין די בילד סיקוואַנס.

⦁ אָפּטיש לויפן
דאָס איז צו באַשטימען, פֿאַר יעדער פונט אין די בילד, ווי אַז פונט איז מאָווינג רעלאַטיוו צו די בילד פלאַך, ד"ה, זייַן קלאָר באַוועגונג. די באַוועגונג איז אַ רעזולטאַט פון ווי די קאָראַספּאַנדינג 3 ד פונט איז מאָווינג אין די סצענע און ווי דער אַפּאַראַט איז מאָווינג קאָרעוו צו די סצענע.

⦁ סצענע ריקאַנסטראַקשאַן
געגעבן איינער אָדער (טיפּיקלי) מער בילדער פון אַ סצענע, אָדער אַ ווידעא, סצענע ריקאַנסטראַקשאַן יימז צו קאַמפּיוטינג אַ 3 ד מאָדעל פון די סצענע. אין די סימפּלאַסט פאַל, די מאָדעל קענען זיין אַ סכום פון 3 ד פונקטן. מער סאַפיסטאַקייטיד מעטהאָדס פּראָדוצירן אַ גאַנץ 3 ד ייבערפלאַך מאָדעל

⦁ בילד רעסטעריישאַן
דער ציל פון בילד רעסטעריישאַן איז די באַזייַטיקונג פון ראַש (סענסער ראַש, באַוועגונג בלער, אאז"ו ו) פון בילדער. די סימפּלאַסט מעגלעך צוגאַנג פֿאַר ראַש באַזייַטיקונג איז פאַרשידן טייפּס פון פילטערס אַזאַ ווי נידעריק-פּאַס פילטערס אָדער מידיאַן פילטערס. מער סאַפיסטאַקייטיד מעטהאָדס נעמען אַ מאָדעל פון ווי די היגע בילד סטראַקטשערז קוקן ווי, אַ מאָדעל וואָס דיסטינגגווישיז זיי פון די ראַש. דורך ערשטער אַנאַלייזינג די בילד דאַטן אין טערמינען פון די היגע בילד סטראַקטשערז, אַזאַ ווי שורות אָדער עדזשאַז, און דאַן קאַנטראָולינג די פֿילטרירונג באזירט אויף היגע אינפֿאָרמאַציע פֿון די אַנאַליסיס שריט, אַ בעסער מדרגה פון ראַש באַזייַטיקונג איז יוזשאַוואַלי באקומען קאַמפּערד מיט די סימפּלער אַפּראָוטשיז. אַ ביישפּיל אין דעם פעלד איז זייער געמעל. עטלעכע סיסטעמען זענען סטאַנדאַלאָנע אַפּלאַקיישאַנז וואָס סאָלווע אַ ספּעציפיש מעאַסורעמענט אָדער דיטעקשאַן פּראָבלעם, בשעת אנדערע קאַנסטאַטוט אַ סאַב-סיסטעם פון אַ גרעסערע פּלאַן וואָס, למשל, אויך כּולל סאַב-סיסטעמס פֿאַר קאָנטראָל פון מעטשאַניקאַל אַקטוייטערז, פּלאַנירונג, אינפֿאָרמאַציע דאַטאַבייסיז, מאַשין ינטערפייסיז, אאז"ו ו. די ספּעציפיש ימפּלאַמענטיישאַן פון אַ קאָמפּיוטער זעאונג סיסטעם דעפּענדס אויך אויף אויב זייַן פאַנגקשאַנאַליטי איז פאַר - ספּעסיפיעד אָדער אויב עטלעכע טייל פון עס קענען זיין געלערנט אָדער מאַדאַפייד בעשאַס אָפּעראַציע. עס זענען, אָבער, טיפּיש פאַנגקשאַנז וואָס זענען געפֿונען אין פילע קאָמפּיוטער זעאונג סיסטעמען.

 

דיפּער לערנען מיט בילד דערקענונג

בילד דערקענונג איז געווען אַרום איידער אַי. אָבער, די מאַשין לערנען פאַקטאָר איז רעוואַלושאַנייזינג מעטהאָדס צו ידענטיפיצירן אַ כייפעץ אָדער מענטש 'ס פּנים. מאַשין לערנען איז בלויז עפעקטיוו ווען עס זענען דאַטן צו קאָרמען עס, אָבער. פֿאַר אַלע אָטאַמיישאַן פון אַי, טאַסקס צו ידענטיפיצירן בילדער איז נישט אַ פּשוט בקשה. אונדזער פארשטאנד פון וויזשוואַלז איז צווייטע נאַטור; דאָס איז עפּעס וואָס מיר זענען פּראָוגראַמד צו טאָן פֿון אַ יונג עלטער. אַסקינג די זעלבע פון ​​אַ מאַשין איז נישט אַ פּשוט פּראָצעס. פֿאַר דעם סיבה, איינער פון די מערסט פאָלקס פארמען פון אַי דערקענונג איז קאַנוואַלושאַנאַל נעוראַל נעטוואָרקס (CNN). CNN איז אַ מעטאָד וואָס פאָוקיסיז אויף בילדצעלן ליגן לעבן יעדער אנדערער. ענג-לאָוקייטיד בילדער זענען מער מסתּמא צו זיין שייַכות, וואָס מיטל אַ כייפעץ אָדער פּנים איז מאַטשט צו אַ בילד מיט מער דורכזעיקייַט.
כאָטש בראַנדז זוכן צו מאָנעטיזירן געזעלשאַפטלעך מידיאַ כאָטש אַי בילד דערקענונג האָבן קלאָר בענעפיץ, די נוצן קאַסעס לויפן פיל דיפּער. זיך-דרייווינג קאַרס זענען וועגן צו זיין דער ווייַטער גרויס זאַך אין די ויטאָמאָביל וועלט, און אַי בילד דערקענונג טעק העלפּס צו מאַכט זיי. א זעלבסט-דרייווינג מאַשין וואָס קענען דעטעקט אַבדזשעקץ און מענטשן אויף די וועג אַזוי עס קען נישט קראַך אין זיי, טוט נישט פּאַסירן אויטאָמאַטיש. עס דאַרף צו דערקענען די בילדער צו מאַכן ינפאָרמד דיסיזשאַנז. יעדער זיך-דרייווינג מאַשין איז יקוויפּט מיט עטלעכע סענסאָרס אַזוי עס קענען ידענטיפיצירן אנדערע מאָווינג וועהיקלעס, סייקאַליסץ, מענטשן - בייסיקלי אַלץ וואָס קען זיין אַ געפאַר. אַן אָטאַמייטיד מאַשין דאַרף צו פּראָצעס די כאַזערדז פון די וועג די זעלבע ווי אַ סיזאַנד דרייווער. עס זענען נאָך אַ ביסל אַספּעקץ צו פּרעסן איידער זיך-דרייווינג קאַרס שלאָגן די וועג אין 2020. אָבער ווען פאָרמיטל אָטאַמיישאַן טוט בריק-אין, אַי בילד דערקענונג וועט זיין איינער פון די הויפּט דריווערס הינטער זיי ארבעטן בעשאָלעם.
⦁ בילד-אַקוואַזישאַן
א דיגיטאַל בילד איז געשאפן דורך איין אָדער עטלעכע בילד סענסאָרס, וואָס, אַחוץ פאַרשידן טייפּס פון ליכט-שפּירעוודיק קאַמעראַס, אַרייַננעמען קייט סענסאָרס, טאָמאָגראַפי דעוויסעס, ראַדאַר, הינטער-סאָניק קאַמעראַס, אאז"ו ו. דעפּענדינג אויף דעם טיפּ פון סענסער, די ריזאַלטינג בילד דאַטן איז אַ פּראָסט 2 ד בילד, אַ 3 ד באַנד אָדער אַ בילד סיקוואַנס. די פּיקסעל וואַלועס טיפּיקלי שטימען צו ליכט ינטענסיטי אין איין אָדער עטלעכע ספּעקטראַל באַנדס (גרוי בילדער אָדער קאָליר בילדער), אָבער קענען אויך זיין שייַכות צו פאַרשידן גשמיות מיטלען, אַזאַ ווי טיפקייַט, אַבזאָרפּשאַן אָדער רעפלעקטאַנס פון סאָניק אָדער ילעקטראָומאַגנעטיק כוואליעס, אָדער יאָדער מאַגנעטיק אפקלאנג.
⦁ פאַר-פּראַסעסינג:
איידער אַ קאָמפּיוטער זעאונג אופֿן קענען זיין געווענדט צו בילד דאַטן אין סדר צו עקסטראַקט עטלעכע ספּעציפיש שטיק פון אינפֿאָרמאַציע, עס איז יוזשאַוואַלי נייטיק צו פּראָצעס די דאַטן אין סדר צו פאַרזיכערן אַז עס סאַטיספייז זיכער אַסאַמפּשאַנז ימפּלייד דורך דעם אופֿן. ביישפילן זענען
1. שייַעך-סאַמפּלינג אין סדר צו פאַרזיכערן אַז די בילד קאָואָרדאַנאַט סיסטעם איז ריכטיק.
2. ראַש רעדוקציע אין סדר צו פאַרזיכערן אַז סענסער ראַש טוט נישט באַקענען פאַלש אינפֿאָרמאַציע.
3. קאַנטראַסט ענכאַנסמאַנט צו פאַרזיכערן אַז באַטייַטיק אינפֿאָרמאַציע קענען זיין דיטעקטאַד.
4. וואָג-פּלאַץ פאַרטרעטונג צו פאַרבעסערן בילד סטראַקטשערז אין לאָוקאַלי צונעמען וואָג.
⦁ פֿעיִקייטן עקסטראַקטיאָן:
בילד פֿעיִקייטן אין פאַרשידן לעוועלס פון קאַמפּלעקסיטי זענען יקסטראַקטיד פון די בילד דאַטן. טיפּיש ביישפילן פון אַזאַ פֿעיִקייטן זענען שורות, עדזשאַז און רידזשאַז
לאָקאַליזעד אינטערעס ווייזט אַזאַ ווי עקן, בלאַבז אָדער פונקטן. מער קאָמפּליצירט פֿעיִקייטן קען זיין שייַכות צו געוועב, פאָרעם אָדער באַוועגונג.
⦁ דעטעקשאַן / סעגמענטאַטיאָן:
אין עטלעכע פונט אין די פּראַסעסינג אַ באַשלוס איז געמאכט וועגן וואָס בילד ווייזט אָדער מקומות פון די בילד זענען באַטייַטיק פֿאַר ווייַטער פּראַסעסינג. ביישפילן זענען
1. סעלעקציע פון ​​אַ ספּעציפיש גאַנג פון אינטערעס ווייזט
2. סעגמענטאַטיאָן פון איין אָדער קייפל בילד מקומות וואָס אַנטהאַלטן אַ ספּעציפיש כייפעץ פון אינטערעס.
⦁ הויך-מדרגה פּראַסעסינג:
אין דעם שריט, די אַרייַנשרייַב איז טיפּיקלי אַ קליין סכום פון דאַטן, למשל אַ סכום פון פונקטן אָדער אַ בילד געגנט וואָס איז אנגענומען צו אַנטהאַלטן אַ ספּעציפיש כייפעץ. די רוען פּראַסעסינג דילז מיט, למשל:
1. וועראַפאַקיישאַן אַז די דאַטן באַפרידיקן מאָדעל-באזירט און אַפּלאַקיישאַן ספּעציפיש אַסאַמפּשאַנז.
2. אָפּשאַצונג פון אַפּלאַקיישאַן ספּעציפיש פּאַראַמעטערס, אַזאַ ווי כייפעץ פּאָזע אָדער אַבדזשעקץ גרייס.
3. קלאַסאַפייינג אַ דיטעקטאַד כייפעץ אין פאַרשידענע קאַטעגאָריעס. אַזוי, בילד פּראַסעסינג הילף אַי צו ידענטיפיצירן די בילד און ריספּאַנד לויט די בילד לעגיטימאַציע.

א סימלאַס צוקונפֿט פון בילדער

ווי די טעק ימפּרוווז, בילד דערקענונג וועט צוריקקומען אפילו גרעסערע רעזולטאַטן. דער הויפּט פון מאַשין לערנען אין לאָבסטער, וולאדימיר פּאַוולאָוו זאגט, "די מאַטאַמאַטיקאַל יקער פֿאַר דערקענונג פון אַבדזשעקץ האט עקסיסטירט פֿאַר אַ לאַנג צייַט, אָבער טעקנאַלאַדזשיקאַל פּאַסאַבילאַטיז פון ניצן קאָמפּיוטער זעאונג אַלגערידאַמז ארויס לעצטנס. שוין, נעוראַל נעטוואָרקס לאָזן מאַכן שליימעסדיק דעטעקטאָרס וואָס זענען טויגעוודיק צו אַרבעטן בעסער ווי יומאַנז. א גרויס צי האָט צוריק די בייַזייַן פון אנגעצייכנט בילד דאַטאַסעץ פֿאַר טריינינג, אָבער אין דעם לעבן צוקונפֿט, דאָס וועט נישט זיין אַ פּראָבלעם. קאָמפּיוטער זעאונג ענדזשאַנירז זענען אַקטיוולי ארבעטן אויף אַלגערידאַמז פֿאַר זיך-לערנען." מיט אַ צוקונפֿט אַזוי שווער ינפלואַנסט דורך וויזשאַוואַל קאָמוניקאַציע, בילד דערקענונג וועט זיין דער שליסל פאַקטאָר הינטער פילע פון ​​די בילדער וואָס מיר זען. ביידע אין פאַקטיש לעבן און אָנליין.