በ AI ውስጥ የኮምፒውተር ራዕይ ምንድን ነው?

ስልክዎን በፊትዎ ከፍተውት ከሆነ፣ ደረሰኝዎን ቃኝተው ወይም አቮካዶዎን እየገመገመ እንደሆነ እያሰቡ በራስ የሚፈትሽ ካሜራ ላይ ከተመለከቱ፣ የኮምፒውተር እይታን አሸንፈዋል። በቀላሉ ለማስቀመጥ፣ በAI ውስጥ ያለው የኮምፒውተር ራዕይ ማሽኖች ማየት እና መረዳት ። ጠቃሚ? በፍጹም። አንዳንድ ጊዜ አስገራሚ? እንዲሁም አዎ። እና አንዳንድ ጊዜ እውነቱን ከሆንን ትንሽ አስፈሪ ነው። ቢበዛ፣ የተዝረከረከ ፒክስሎችን ወደ ተግባራዊ እርምጃዎች ይለውጠዋል። በጣም መጥፎ በሆነ ጊዜ፣ ይገምታል እና ይንቀጠቀጣል። በትክክል እንመርምር።

ከዚህ ጽሑፍ በኋላ ሊያነቧቸው የሚችሏቸው ጽሑፎች፡

🔗 የ AI አድልዎ ምንድን ነው?
በ AI ስርዓቶች ውስጥ አድልዎ እንዴት እንደሚፈጠር እና እሱን ለመለየት እና ለመቀነስ መንገዶች።

🔗 ትንበያ AI ምንድን ነው?
ትንበያ AI አዝማሚያዎችን እና ውጤቶችን ለመተንበይ መረጃን እንዴት እንደሚጠቀም።

🔗 የ AI አሰልጣኝ ምንድን ነው?
የ AI ስልጠና የሚሰጡ ባለሙያዎች የሚጠቀሙባቸው ኃላፊነቶች፣ ክህሎቶች እና መሳሪያዎች።

🔗 የጉግል ቨርቴክስ AI ምንድን ነው?
ሞዴሎችን ለመገንባት እና ለማሰማራት የጉግል የተዋሃደ የAI መድረክ አጠቃላይ እይታ።

በ AI ውስጥ የኮምፒውተር ራዕይ ምንድን ነው? 📸

በ AI ውስጥ የኮምፒውተር ራዕይ ኮምፒውተሮች ስለ ምስላዊ መረጃ እንዲተረጉሙ እና እንዲያመዛዝኑ የሚያስተምር የአርቴፊሻል ኢንተለጀንስ ቅርንጫፍ ነው። ከጥሬ ፒክስል እስከ የተዋቀረ ትርጉም ያለው መስመር ነው፡ “ይህ የማቆሚያ ምልክት ነው”፣ “እነዚያ እግረኞች ናቸው”፣ “ብየዳው ጉድለት አለበት”፣ “የደረሰኝ ድምር እዚህ አለ።” እንደ ምደባ፣ መለየት፣ ክፍፍል፣ ክትትል፣ የጥልቀት ግምት፣ OCR እና በንድፍ-ትምህርት ሞዴሎች የተጣመሩ ተግባራትን ይሸፍናል። መደበኛው መስክ ክላሲክ ጂኦሜትሪን እስከ ዘመናዊ ጥልቅ ትምህርትን ይሸፍናል፣ ሊገለብጡ እና ሊያስተካክሉት በሚችሉ ተግባራዊ የጨዋታ መጽሐፍት። [1]

አጭር ታሪክ ፡ መጠነኛ የ720ፒ ካሜራ ያለው የማሸጊያ መስመር አስቡት። ቀላል ክብደት ያለው ዳሳሽ ክዳኖቹን ያያል፣ እና ቀላል መከታተያ ጠርሙሱን አረንጓዴ ከማብራትዎ በፊት ለአምስት ተከታታይ ክፈፎች እንደተስተካከሉ ያረጋግጣል። ድንቅ አይደለም - ግን ርካሽ፣ ፈጣን እና እንደገና ስራን ይቀንሳል።

የኮምፒውተር ራዕይን በAI ውስጥ ጠቃሚ የሚያደርገው ምንድን ነው? ✅

• የሲግናል-ወደ-ተግባር ፍሰት ፡ የእይታ ግብዓት ተግባራዊ ሊሆን የሚችል ውጤት ይሆናል። ያነሰ ዳሽቦርድ፣ የበለጠ ውሳኔ።

• አጠቃላይነት ፡- በትክክለኛው መረጃ አንድ ሞዴል የተለያዩ ምስሎችን ያስተናግዳል። ፍጹም አይደለም - አንዳንድ ጊዜ በሚያስደንቅ ሁኔታ።

• የውሂብ አጠቃቀም ፡- ካሜራዎች ርካሽ እና በሁሉም ቦታ ይገኛሉ። ራዕይ የፒክሰሎችን ውቅያኖስ ወደ ማስተዋል ይለውጠዋል።

• ፍጥነት ፡- ሞዴሎች እንደ ሥራው እና እንደ መፍትሔው መጠን በመጠነኛ ሃርድዌር ወይም በቅርብ ጊዜ ፍሬሞችን በእውነተኛ ጊዜ ማስኬድ ይችላሉ።

• የተቀናጀነት ፡- አስተማማኝ ስርዓቶችን ለመፍጠር ቀላል ደረጃዎችን ማቀናጀት፡- ማወቂያ → ክትትል → የጥራት ቁጥጥር።

• ሥነ-ምህዳር ፡- መሳሪያዎች፣ አስቀድሞ የሰለጠኑ ሞዴሎች፣ መለኪያዎች እና የማህበረሰብ ድጋፍ - አንድ ሰፊ የኮድ ባዛር።

እውነቱን እንነጋገር፣ ሚስጥራዊው ሶስ ምስጢር አይደለም፡ ጥሩ መረጃ፣ ዲሲፕሊን ያለው ግምገማ፣ ጥንቃቄ የተሞላበት ማሰማራት። የተቀረው ልምምድ ነው... እና ምናልባትም ቡና። ☕

የኮምፒውተር ራዕይ በ AI ውስጥ እንዴት እንደሚሰራ፣ በአንድ ጤናማ መስመር 🧪

1. የምስል ማግኛ
   ካሜራዎች፣ ስካነሮች፣ ድሮኖች፣ ስልኮች። የዳሳሽ አይነት፣ ተጋላጭነት፣ ሌንስ እና የፍሬም ፍጥነት በጥንቃቄ ይምረጡ። ቆሻሻ ወደ ውስጥ ያስገባሉ፣ ወዘተ።

2. ቅድመ-ሂደት
   አስፈላጊ ከሆነ መጠን መቀየር፣ መከርከም፣ መደበኛ ማድረግ፣ ማደብዘዝ ወይም ድምፁን ማጥፋት። አንዳንድ ጊዜ ትንሽ የንፅፅር ማስተካከያ ተራሮችን ያንቀሳቅሳል። [4]

3. መለያዎች እና የውሂብ ስብስቦች
   የማሰሪያ ሳጥኖች፣ ፖሊጎኖች፣ ቁልፍ ነጥቦች፣ የጽሑፍ ወሰኖች። ሚዛናዊ፣ ተወካይ መለያዎች - ወይም ሞዴልዎ የተዛቡ ልማዶችን ይማራል።

4. ሞዴሊንግ

   • ምደባ ፡ "የትኛው ምድብ?"

   • መለየት ፡- "ነገሮች የት አሉ?"

   • ክፍፍል ፡- "የትኞቹ ፒክስሎች የየትኛው ነገር አካል ናቸው?"

   • ቁልፍ ነጥቦች እና አቀማመጥ ፡- “መገጣጠሚያዎች ወይም ምልክቶች የት አሉ?”

   • OCR : "በምስሉ ውስጥ ምን ጽሑፍ አለ?"

   • ጥልቀት እና 3D ፡- “ሁሉም ነገር ምን ያህል ርቀት አለው?”
     አርክቴክቸሮች ይለያያሉ፣ ነገር ግን ኮንቮሽናል ኔት እና ትራንስፎርመር አይነት ሞዴሎች የበላይ ናቸው። [1]

5. ስልጠና፡-
   ውሂብን ይከፋፍሉ፣ ሃይፐርፓራሜትሮችን ያስተካክሉ፣ መደበኛ ያድርጉት፣ ይጨምሩ። የግድግዳ ወረቀቱን ከማስታወስዎ በፊት ቀደም ብለው ያቁሙ።

6. ግምገማ
   ለOCR እንደ mAP፣ IoU፣ F1፣ CER/WER ያሉ ለተግባር ተስማሚ የሆኑ መለኪያዎችን ይጠቀሙ። አይምረጡ። በተመጣጣኝ ሁኔታ ያወዳድሩ። [3]

7. ማሰማራት
   ማመቻቸት፡ የደመና ባች ስራዎች፣ በመሳሪያ ላይ ያለ ግምት፣ የጠርዝ አገልጋዮች። መንሸራተትን ይከታተሉ። ዓለም ሲለወጥ እንደገና ያሠለጥኑ።

ጥልቅ መረቦች ትልቅ የውሂብ ስብስቦች ሲኖሩ እና ኮምፒውተሩ ወሳኝ ክብደት ሲመታ የጥራት ዝላይን አስገኝተዋል። እንደ ImageNet ፈተና ያሉ መለኪያዎች ያንን እድገት በግልጽ እና ያለማቋረጥ እንዲታይ አድርገውታል። [2]

በእውነቱ የሚጠቀሙባቸው ዋና ዋና ተግባራት (እና መቼ) 🧩

• የምስል ምደባ ፡ በአንድ ምስል አንድ መለያ። ለፈጣን ማጣሪያዎች፣ ለደረጃ አሰጣጥ ወይም ለጥራት በሮች ይጠቀሙ።

• የነገር ለይቶ ማወቅ ፡- በነገሮች ዙሪያ ያሉ ሳጥኖች። የችርቻሮ ኪሳራ መከላከል፣ የተሽከርካሪ መለየት፣ የዱር እንስሳት ብዛት።

• የአብነት ክፍፍል ፡- በአንድ ነገር ላይ የፒክሰል ትክክለኛ ሥዕላዊ መግለጫዎች። የማምረቻ ጉድለቶች፣ የቀዶ ጥገና መሳሪያዎች፣ የግብርና ቴክኖሎጂ።

• የትርጉም ክፍፍል ፡- ምሳሌዎችን ሳይለያዩ በአንድ ፒክሰል ክፍል። የከተማ የመንገድ ትዕይንቶች፣ የመሬት ሽፋን።

• የቁልፍ ነጥብ መለየት እና አቀማመጥ ፡ መገጣጠሚያዎች፣ ምልክቶች፣ የፊት ገጽታዎች። የስፖርት ትንታኔዎች፣ ergonomics፣ AR።

• ክትትል ፡- በጊዜ ሂደት ዕቃዎችን ይከተሉ። ሎጂስቲክስ፣ ትራፊክ፣ ደህንነት።

• OCR እና ሰነድ AI ፡ የጽሑፍ ማውጣት እና የአቀማመጥ ትንተና። ደረሰኞች፣ ደረሰኞች፣ ቅጾች።

• ጥልቀት እና 3D ፡ ከብዙ እይታዎች ወይም ሞኖኩላር ምልክቶች መልሶ ግንባታ። ሮቦቲክስ፣ አርአይ፣ ካርታ ስራ።

• ምስላዊ መግለጫ ጽሑፍ ፡- ትዕይንቶችን በተፈጥሮ ቋንቋ ማጠቃለል። ተደራሽነት፣ ፍለጋ።

• የእይታ ቋንቋ ሞዴሎች ፡- ባለብዙ ሞዳል አመክንዮ፣ መልሶ ማግኘት-የተሻሻለ ራዕይ፣ የተመሰረተ የጥራት ማረጋገጫ (QUA)።

ጥቃቅን የጉዳይ ስሜት ፡ በመደብሮች ውስጥ፣ አንድ መመርመሪያ የመደርደሪያውን ገጽታ ይጠቁማል፤ መከታተያ የሰራተኞችን መልሶ ጥቅም ላይ ሲያውል ድርብ ቆጠራን ይከላከላል፤ ቀላል ደንብ ዝቅተኛ በራስ መተማመን ያላቸውን ክፈፎች ወደ ሰው ግምገማ ያዞራል። በአብዛኛው በቅርበት የሚቀጥል ትንሽ ኦርኬስትራ ነው።

የንጽጽር ሰንጠረዥ፡ በፍጥነት ለመላክ የሚረዱ መሳሪያዎች 🧰

ሆን ተብሎ ትንሽ እንግዳ። አዎ፣ ክፍተቱ እንግዳ ነው - አውቃለሁ።.

በ AI ውስጥ የኮምፒውተር ራዕይን ጥራት የሚነካው ምንድን ነው 🔧

• የውሂብ ሽፋን ፡ የመብራት ለውጦች፣ አንግል፣ ዳራዎች፣ የጠርዝ መያዣዎች። ሊከሰት የሚችል ከሆነ፣ ያካትቱት።

• የመለያ ጥራት ፡ ወጥነት የሌላቸው ሳጥኖች ወይም ልቅ የሆኑ ፖሊጎኖች mAPን ያበላሻሉ። ትንሽ የQA እርምጃ ረጅም መንገድ ይወስዳል።

• ብልጥ ጭማሪዎች ፡- ይከርክሙ፣ ያሽከርክሩ፣ ብሩህነትን ያናውጡ፣ ሰው ሰራሽ ድምፅ ይጨምሩ። በዘፈቀደ ትርምስ ሳይሆን እውነታዊ ይሁኑ።

• የሞዴል ምርጫ ተስማሚነት ፡- መለየት በሚያስፈልግበት ቦታ ማወቂያን ይጠቀሙ - ክላሲፋየር ቦታዎችን እንዲገምት አያስገድዱ።

• ከተፅዕኖ ጋር የሚዛመዱ መለኪያዎች ፡- የተሳሳቱ አሉታዊ ነገሮች የበለጠ የሚጎዱ ከሆነ፣ የማስታወስ ችሎታን ያመቻቹ። የተሳሳቱ አዎንታዊ ነገሮች የበለጠ የሚጎዱ ከሆነ፣ በመጀመሪያ ትክክለኛነት።

• ጥብቅ የግብረመልስ ዑደት ፡ የምዝግብ ማስታወሻ ውድቀቶች፣ እንደገና መለያ ይስጡ፣ እንደገና ያሠለጥኑ። ያጠቡ፣ ይድገሙት። ትንሽ አሰልቺ - እጅግ በጣም ውጤታማ።

ለመለየት/ለመከፋፈል፣ የማህበረሰብ ደረጃው በIoU ገደቦች ላይ አማካይ ትክክለኛነት COCO-style mAP ። IoU እና AP@{0.5:0.95} እንዴት እንደሚሰሉ ማወቅ የመሪዎች ሰሌዳ ጥያቄዎችን በአስርዮሽ እንዳያስደምሙዎት ያደርጋል። [3]

መላምታዊ ያልሆኑ የእውነተኛ ዓለም የአጠቃቀም ጉዳዮች 🌍

• የችርቻሮ ንግድ ፡ የመደርደሪያ ትንተና፣ የኪሳራ መከላከል፣ የወረፋ ክትትል፣ የፕላኖግራም ተገዢነት።

• ማኑፋክቸሪንግ ፡ የወለል ጉድለት መለየት፣ የመገጣጠም ማረጋገጫ፣ የሮቦት መመሪያ።

• የጤና አጠባበቅ ፡ የራዲዮሎጂ ምርመራ፣ የመሳሪያ ምርመራ፣ የሕዋስ ክፍፍል።

• ተንቀሳቃሽነት ፡ ADAS፣ የትራፊክ ካሜራዎች፣ የመኪና ማቆሚያ ቦታ፣ የማይክሮሞባይል ክትትል።

• ግብርና ፡ የሰብል ቆጠራ፣ የበሽታ መለየት፣ የመከር ዝግጁነት።

• ኢንሹራንስ እና ፋይናንስ ፡ የጉዳት ግምገማ፣ የKYC ቼኮች፣ የማጭበርበር ባንዲራዎች።

• ግንባታ እና ኢነርጂ ፡ የደህንነት ተገዢነት፣ የፍሳሽ ማስወገጃ መለየት፣ የዝገት ክትትል።

• ይዘት እና ተደራሽነት ፡- ራስ-ሰር የመግለጫ ጽሑፎች፣ ማስተካከያ፣ የእይታ ፍለጋ።

የሚያስተውሉት ንድፍ፡ በእጅ የሚደረግ ቅኝትን በራስ-ሰር ትራዬጅ ይተኩ፣ ከዚያም በራስ መተማመን ሲቀንስ ወደ ሰዎች ያድጋል። ማራኪ አይደለም - ግን ይስፋፋል።.

ውሂብ፣ መለያዎች እና አስፈላጊ የሆኑ መለኪያዎች 📊

• ምደባ ፡ ትክክለኛነት፣ F1 ለ አለመመጣጠን።

• መለየት ፡ በIoU ገደቦች ላይ mAP፤ በክፍል AP እና በመጠን ባልዲዎችን ይመርምሩ። [3]

• ክፍፍል ፡ mIoU፣ ዳይስ፤ የአብነት ደረጃ ስህተቶችንም ያረጋግጡ።

• ክትትል ፡ MOTA፣ IDF1፤ የዳግም መለያ ጥራት ጸጥተኛው ጀግና ነው።

• OCR : የቁምፊ ስህተት መጠን (CER) እና የቃላት ስህተት መጠን (WER)፤ የአቀማመጥ ስህተቶች ብዙውን ጊዜ የበላይ ናቸው።

• የሪግሬሽን ተግባራት ፡- ጥልቀት ወይም አቀማመጥ ፍጹም/አንጻራዊ ስህተቶችን ይጠቀማል (ብዙውን ጊዜ በሎግ ሚዛን ላይ)።

የግምገማ ፕሮቶኮልዎን ሌሎች ሰዎች እንዲደግሙት ይመዝግቡ። ወሲብ ነክ ያልሆነ ነው - ግን ሐቀኛ ያደርግዎታል።.

ግንባታ ከግዢ ጋር ሲነጻጸር - እና የት እንደሚያሄዱት 🏗️

• ክላውድ ፡ ለመጀመር በጣም ቀላል፣ ለቡድን የሥራ ጫናዎች በጣም ጥሩ። የመውጫ ወጪዎችን ይመልከቱ።

• የጠርዝ መሳሪያዎች ፡ ዝቅተኛ መዘግየት እና የተሻለ ግላዊነት። ስለ ቁጥራዊነት፣ ስለ መቁረጥ እና ስለ ማፋጠጫዎች ያሳስባሉ።

• በመሳሪያ ላይ ያለ ሞባይል ፡ ሲገጣጠም አስደናቂ ነው። ሞዴሎችን ያሻሽሉ እና ባትሪውን ይመልከቱ።

• ሃይብሪድ ፡- በጠርዙ ላይ ቅድመ ማጣሪያ፣ በደመናው ውስጥ ከባድ ማንሳት። ጥሩ ስምምነት።

አሰልቺ እና አስተማማኝ የሆነ ቁልል፡ ከፓይቶርክ ጋር ፕሮቶታይፕ፣ መደበኛ መመርመሪያን ማሰልጠን፣ ወደ ኦኤንኤክስ መላክ፣ በኦፔንቪኖ/ኦኤንኤክስ የሩጫ ጊዜ ማፋጠን እና ለቅድመ ሂደት እና ጂኦሜትሪ (ካሊብሬሽን፣ ሆሞግራፊ፣ ሞርፎሎጂ) ኦፔንሲቪን መጠቀም። [4]

አደጋዎች፣ ሥነ ምግባር እና ለመነጋገር አስቸጋሪ የሆኑ ክፍሎች ⚖️

የእይታ ስርዓቶች የውሂብ ስብስብ አድልዎዎችን ወይም የአሠራር ዓይነ ስውር ቦታዎችን ሊወርሱ ይችላሉ። ገለልተኛ ግምገማዎች (ለምሳሌ፣ NIST FRVT) በአልጎሪዝም እና በሁኔታዎች ላይ የፊት ለይቶ ማወቂያ የስህተት መጠኖችን የስነ-ሕዝብ ልዩነቶችን ለክተዋል። ይህ ለመደናገጥ ምክንያት አይደለም፣ ነገር ግን ነው ። ከማንነት ወይም ከደህንነት ጋር የተያያዙ የአጠቃቀም ጉዳዮችን ካሰማሩ፣ የሰው ግምገማ እና የይግባኝ ዘዴዎችን ያካትቱ። ግላዊነት፣ ስምምነት እና ግልጽነት አማራጭ ተጨማሪዎች አይደሉም። [5]

በትክክል መከተል የሚችሉት ፈጣን ጅምር የመንገድ ካርታ 🗺️

1. ውሳኔውን ይግለጹ።
   ምስሉን ካዩ በኋላ ስርዓቱ ምን እርምጃ መውሰድ አለበት? ይህ የቫኒቲ መለኪያዎችን ከማመቻቸት ይጠብቅዎታል።

2. የተበላሸ የውሂብ ስብስብ ይሰብስቡ
   እውነተኛ አካባቢዎን የሚያንፀባርቁ ጥቂት መቶ ምስሎችን ይጀምሩ። በጥንቃቄ ይሰይሙ - እርስዎ እና ሶስት ተለጣፊ ማስታወሻዎች ቢሆኑም እንኳ።

3. የመነሻ ሞዴል ይምረጡ
   አስቀድሞ የሰለጠኑ ክብደቶችን የያዘ ቀላል የጀርባ አጥንት ይምረጡ። እንግዳ የሆኑ አርክቴክቸሮችን ገና አያሳድዱ። [1]

4. አሰልጥኑ፣ መዝግብ፣ ገምግሙ
   መለኪያዎችን፣ ግራ መጋባት ነጥቦችን እና የውድቀት ሁነታዎችን ይከታተሉ። “እንግዳ ጉዳዮችን” - በረዶ፣ ነጸብራቅ፣ ነጸብራቅ፣ ያልተለመዱ ቅርጸ-ቁምፊዎችን ማስታወሻ ደብተር ይያዙ።

5. ዑደቱን አጥብቀው ይያዙት
   ጠንካራ አሉታዊ ነጥቦችን ያክሉ፣ የመለያ መንሸራተትን ያስተካክሉ፣ ጭማሪዎችን ያስተካክሉ እና ገደቦችን እንደገና ያስተካክሉ። ትናንሽ ማስተካከያዎች ይጨምራሉ። [3]

6. ቀጭን ስሪት ያሰማሩ
   ኳንቲዝ እና ወደ ውጭ መላክ። በእውነተኛ አካባቢ ውስጥ ያለውን መዘግየት/የፍጥነት መጠን ይለኩ፣ የአሻንጉሊት መለኪያ አይደለም።

7. ክትትል እና መድገም
   የተሳሳቱ ቃጠሎዎችን ይሰብስቡ፣ እንደገና ይሰይሙ፣ እንደገና ያሠለጥኑ። ሞዴልዎ ቅሪተ አካል እንዳይሆን በየጊዜው ግምገማዎችን ያቅዱ።

የባለሙያ ጠቃሚ ምክር ፡ በጣም ጨካኝ የሆነው የቡድን ጓደኛዎ የሰጠውን ትንሽ የማቆያ ስብስብ ያብራሩ። ቀዳዳ ማስገባት ካልቻሉ ምናልባት ዝግጁ ነዎት።

ማስወገድ የሚፈልጓቸው የተለመዱ ብልሽቶች 🧨

• በንጹህ የስቱዲዮ ምስሎች ላይ ስልጠና መስጠት፣ ዝናብ በሌንስ ላይ እያለ ወደ እውነተኛው ዓለም ማሰማራት።.

• ለአንድ ወሳኝ ክፍል በእውነት ሲያስቡ ለአጠቃላይ mAP ማመቻቸት። [3]

• የክፍል አለመመጣጠንን ችላ ማለት እና ከዚያም ያልተለመዱ ክስተቶች ለምን እንደሚጠፉ ማሰብ።.

• ሞዴሉ አርቲፊሻል ቅርሶችን እስኪማር ድረስ ከመጠን በላይ መጨመር።.

• የካሜራ መለኪያን መዝለል እና የእይታ ስህተቶችን ለዘላለም መዋጋት። [4]

• ትክክለኛውን የግምገማ ቅንብር ሳይደግሙ የመሪ ሰሌዳ ቁጥሮችን ማመን። [2][3]

ሊመዘገቡባቸው የሚገቡ ምንጮች 🔗

ዋና ዋና ቁሳቁሶችን እና የኮርስ ማስታወሻዎችን የሚወዱ ከሆነ፣ እነዚህ ለመሠረታዊ ነገሮች፣ ለልምምድ እና ለማጣቀሻዎች ወርቅ ናቸው። የማጣቀሻ ክፍሉን ይመልከቱ፡ CS231n ማስታወሻዎች፣ የImageNet ፈተና ወረቀት፣ የCOCO የውሂብ ስብስብ/የግምገማ ሰነዶች፣ የOpenCV ሰነዶች እና የNIST FRVT ሪፖርቶች። [1][2][3][4][5]

የመጨረሻ አስተያየቶች - ወይም በጣም ረጅም፣ ያልተነበበ 🍃

በ AI ውስጥ የኮምፒውተር ራዕይ ፒክስሎችን ወደ ውሳኔዎች ይለውጣል። ትክክለኛውን ስራ ከትክክለኛው መረጃ ጋር ሲያጣምሩ፣ ትክክለኛ ነገሮችን ሲለኩ እና ያልተለመደ ዲሲፕሊን ሲያደርጉ ያበራል። የመሳሪያው ለጋስ ነው፣ መለኪያዎቹ ይፋዊ ናቸው፣ እና በመጨረሻው ውሳኔ ላይ ካተኮሩ ከፕሮቶታይፕ ወደ ምርት የሚወስደው መንገድ በሚያስደንቅ ሁኔታ አጭር ነው። መለያዎችዎን ቀጥ ያድርጉ፣ ከተፅዕኖ ጋር የሚዛመዱ መለኪያዎችን ይምረጡ፣ እና ሞዴሎቹ ከባድ ስራውን እንዲሰሩ ይፍቀዱላቸው። እና ዘይቤ የሚረዳ ከሆነ - በጣም ፈጣን ግን ቃል በቃል ኢንተርን ምን አስፈላጊ እንደሆነ እንዲያውቅ ማስተማርን ያስቡበት። ምሳሌዎችን ያሳያሉ፣ ስህተቶችን ያስተካክላሉ፣ እና ቀስ በቀስ በእውነተኛ ስራ ያምናሉ። ፍጹም አይደለም፣ ግን ለመለወጥ በቂ ቅርብ ነው። 🌟

ማጣቀሻዎች

1. CS231n: ለኮምፒውተር እይታ ጥልቅ ትምህርት (የኮርስ ማስታወሻዎች) - የስታንፎርድ ዩኒቨርሲቲ።
   ተጨማሪ ያንብቡ

2. ImageNet ትልቅ ደረጃ የእይታ እውቅና ፈተና (ወረቀት) - ሩሳኮቭስኪ እና ሌሎችም
   ተጨማሪ ያንብቡ

3. የCOCO የውሂብ ስብስብ እና ግምገማ - ኦፊሴላዊ ጣቢያ (የተግባር ትርጓሜዎች እና የ mAP/IoU ስምምነቶች)።
   ተጨማሪ ያንብቡ

4. የOpenCV ሰነድ (v4.x) - ለቅድመ-ሂደት፣ ለካሊብሬሽን፣ ለሞርፎሎጂ፣ ወዘተ የሚሆኑ ሞጁሎች።
   ተጨማሪ ያንብቡ

5. NIST FRVT ክፍል 3፡ የስነ ሕዝብ አወቃቀር ውጤቶች (NISTIR 8280) - በሥነ ሕዝብ አወቃቀር ላይ የፊት ለይቶ ማወቂያ ትክክለኛነት ገለልተኛ ግምገማ።
   ተጨማሪ ያንብቡ

የቅርብ ጊዜውን የ AI ኦፊሴላዊ የ AI ረዳት መደብር ያግኙ

ስለ እኛ