tags پردازش تصویر

یادگیری عمیق، جذابیت دنیای اتوماسیون

حتما در فیلم‌ها و سریال‌ها مشاهده کرده‌اید که زمان آینده را گونه‌ای به شما نمایش می‌دهند که انگار انسان جایگاه اختیار و مدیریت‌اش را از دست داده است. در آن زمان فکر می‌کردید که این دنیای هوشمند فقط به صورت یک ایده برای فیلم‌های علمی تخیلی باشد. همراه رادوو باشید، با سفری جذاب به دنیای یادگیری عمیق

آشکار سازی ایده آل از ویژگی های تصاویر

ویژگی ها، ساختارهای قابل تشخیص عناصر در محیط هستند. این ویژگی ها معمولا می توانند از اندازه ها استخراج و به صورت ریاضی توصیف شوند. ویژگی های خوب همیشه قابل درک بوده و به راحتی از محیط قابل شناسایی است و استخراج ویژگی های با اهمیت، می تواند درک بهتر از محیط، برای ربات به ارمغان بیاورد.

وقتی رباتها از انسانها سریعتر می شوند!

عملکرد پایین انسانها در مقابله با خطرهای محسوس، به خاطر محدودیت مغزی آنهاست. رباتهای آینده، دامنه ی محدودیت بیشتر از انسانها خواهند داشت به طوری که انسان توانایی درک آن را هم ندارد.

یادگیری عمیق، ساخت سطوح سه بعدی از تصاویر دو بعدی به وسیله شبکه‌های عمیق

آیان سینها از دانشگاه MIT، روشی جدیدی در هوش مصنوعی با استفاده از یادگیری عمیق ارائه داده است که می تواند از تصاویر دوبعدی اشکال، مدل سه بعدی آن را استخراج کند. این روش می تواند تکمیل کننده فناوری های واقعیت مجازی و چاپگرهای سه بعدی باشد.

تطابق استریو با کمک شبکه عصبی هاپفیلد

استخراج اطلاعات عمق یک مسئله مهم در بینایی ماشین است. همچنین بینایی استریو یک تکنیک جالب برای بازیابی اطلاعات سه بعدی از تصاویر است. در این مقاله تکنیک تطابق استریو مبتنی بر Scanline با استفاده از شبکه عصبی هاپفیلد همگام (SHNN Synchronous Hopfield neural network) ارائه شده است.