ചിത്ര വർഗ്ഗീകരണം

ചിത്ര വർഗ്ഗീകരണം

നിര്വചനം

ഒരു ചിത്രത്തിന് മൊത്തത്തിൽ ലേബലുകൾ നൽകുന്ന ജോലിയാണ് ഇമേജ് വർഗ്ഗീകരണം, ഉദാഹരണത്തിന് “പൂച്ച,” “കാർ,” അല്ലെങ്കിൽ “ട്യൂമർ”. കമ്പ്യൂട്ടർ കാഴ്ചയിലെ പ്രധാന പ്രശ്നങ്ങളിലൊന്നാണിത്.

ഉദ്ദേശ്യം

തിരയൽ, വിശകലനം അല്ലെങ്കിൽ തീരുമാനമെടുക്കൽ എന്നിവയ്ക്കായി ചിത്രങ്ങളിലെ വസ്തുക്കളുടെയോ വിഭാഗങ്ങളുടെയോ തിരിച്ചറിയൽ യാന്ത്രികമാക്കുക എന്നതാണ് ഇതിന്റെ ഉദ്ദേശ്യം.

പ്രാധാന്യം

  • കമ്പ്യൂട്ടർ ദർശനത്തിലെ അടിസ്ഥാനപരമായ ദൗത്യം.
  • ആരോഗ്യ സംരക്ഷണം, ചില്ലറ വിൽപ്പന, സുരക്ഷാ നിരീക്ഷണം എന്നിവയിൽ ഉപയോഗിക്കുന്നു.
  • ഒരൊറ്റ ചിത്രത്തിൽ ഒന്നിലധികം വസ്തുക്കൾ പകർത്തുന്നതിൽ പരിമിതം.
  • ഒബ്ജക്റ്റ് ഡിറ്റക്ഷൻ, സെഗ്മെന്റേഷൻ എന്നിവയുമായി ബന്ധപ്പെട്ടത്.

ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു

  1. ചിത്രങ്ങളുടെ ഒരു ഡാറ്റാസെറ്റ് ശേഖരിച്ച് ലേബൽ ചെയ്യുക.
  2. സവിശേഷതകൾ എക്സ്ട്രാക്റ്റ് ചെയ്യുക (പരമ്പരാഗതമായി) അല്ലെങ്കിൽ പ്രാതിനിധ്യത്തിനായി CNN-കൾ ഉപയോഗിക്കുക.
  3. ലേബൽ ചെയ്ത ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് ക്ലാസിഫയറുകൾ പരിശീലിപ്പിക്കുക.
  4. കാണാത്ത പരീക്ഷണ ഡാറ്റ വിലയിരുത്തുക.
  5. യഥാർത്ഥ ലോക ക്രമീകരണങ്ങളിൽ പുതിയ ചിത്രങ്ങൾ തരംതിരിക്കാൻ വിന്യസിക്കുക.

ഉദാഹരണങ്ങൾ (യഥാർത്ഥ ലോകം)

  • ഇമേജ്നെറ്റ് ചലഞ്ച്: ഇമേജ് വർഗ്ഗീകരണ ഗവേഷണത്തിനുള്ള ബെഞ്ച്മാർക്ക്.
  • ഗൂഗിൾ ഫോട്ടോസ്: തിരയലിനും ഓർഗനൈസേഷനുമായി ചിത്രങ്ങളെ തരംതിരിക്കുന്നു.
  • മെഡിക്കൽ AI: എക്സ്-റേകളെ "സാധാരണ" അല്ലെങ്കിൽ "രോഗം" എന്നിങ്ങനെയുള്ള വിഭാഗങ്ങളായി തരംതിരിക്കുന്നു.

റഫറൻസുകൾ / കൂടുതൽ വായന

  • ക്രിഷെവ്സ്കി തുടങ്ങിയവർ. “ഡീപ് കൺവല്യൂഷണൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകളുള്ള ഇമേജ്നെറ്റ് വർഗ്ഗീകരണം.” ന്യൂറിഐപിഎസ് 2012.
  • CNN-കളെക്കുറിച്ചുള്ള സ്റ്റാൻഫോർഡ് CS231n കോഴ്‌സ്.
  • പാറ്റേൺ അനാലിസിസിലും മെഷീൻ ഇന്റലിജൻസിലും IEEE ഇടപാടുകൾ.

നിങ്ങൾക്ക് ഇതും ഇഷ്ടപ്പെടുമായിരിക്കും

നിങ്ങളുടെ അടുത്ത AI സംരംഭത്തിൽ ഞങ്ങൾക്ക് എങ്ങനെ സഹായിക്കാനാകുമെന്ന് ഞങ്ങളോട് പറയുക.