Εντοπισμός και αναγνώριση αντικειμένων σε πραγματικό χρόνο με τη χρήση νευρωνικών δικτύων
Οι άνθρωποι μπορούν εύκολα να εντοπίσουν και να αναγνωρίσουν αντικείμενα που υπάρχουν σε μια εικόνα. Το ανθρώπινο οπτικό σύστημα είναι γρήγορο και ακριβές και μπορεί να εκτελέσει πολύπλοκες εργασίες, όπως ο εντοπισμός και η αναγνώριση πολλαπλών αντικειμένων με μικρή συνειδητή σκέψη. Ο εντοπισμός κ...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | el_GR |
| Published: |
2022
|
| Subjects: | |
| Online Access: | http://hdl.handle.net/11610/24052 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Οι άνθρωποι μπορούν εύκολα να εντοπίσουν και να αναγνωρίσουν αντικείμενα που υπάρχουν σε μια εικόνα. Το ανθρώπινο οπτικό σύστημα είναι γρήγορο και ακριβές και μπορεί να εκτελέσει πολύπλοκες εργασίες, όπως ο εντοπισμός και η αναγνώριση πολλαπλών αντικειμένων με μικρή συνειδητή σκέψη.
Ο εντοπισμός και η αναγνώριση αντικειμένων ήταν μια προκλητική εργασία για δεκαετίες, δεδομένου ότι οι εικόνες των αντικειμένων στο πραγματικό περιβάλλον επηρεάζονται από πολλούς παράγοντες.
Η πρόοδος της μηχανικής μάθησης και της τεχνητής νοημοσύνης έφερε επαναστατικούς τρόπους στη μηχανική όραση (Computer Vision) και την ανάλυση κειμένου. Μία από τις νεότερες τάσεις είναι η βαθιά μάθηση (Deep Learning) που επιτρέπει στο μοντέλο μηχανικής εκμάθησης να μαθαίνει πιο πολύπλοκα χαρακτηριστικά σε δεδομένα που χρησιμοποιούν πολλαπλά επίπεδα. Ένας όρος που συχνά αναφέρεται σε αυτό το πλαίσιο είναι τα Τεχνητά Νευρωνικά Δίκτυα (Artificial Neural Networks - ANN) τα οποία μπορούν - μεταξύ άλλων - να χρησιμοποιηθούν για την ταξινόμηση της εικόνας, αλλά και τον εντοπισμό πολλαπλών αντικειμένων μέσα σε μια εικόνα. Οι πρόσφατες βελτιώσεις επιτρέπουν την εκτέλεση αλγορίθμων βαθιάς μάθησης σε κινητές συσκευές και την εκτέλεση εντοπισμού αντικειμένων σε πραγματικό χρόνο. |
|---|