Masinnägemine ja selle rakendamine kaasaegses maailmas: Difference between revisions
No edit summary |
No edit summary |
||
| Line 29: | Line 29: | ||
Pärast sellist klasterdamist muutub oluliseks ainult klastri number koos deskriptoritega . Mis on pakutavaga kõige sarnasem. Deskriptorist klastri numbrini jõudmist nimetatakse kvantiseerimiseks. | Pärast sellist klasterdamist muutub oluliseks ainult klastri number koos deskriptoritega . Mis on pakutavaga kõige sarnasem. Deskriptorist klastri numbrini jõudmist nimetatakse kvantiseerimiseks. | ||
Ja klastri numbrit ennast nimetatakse kvantdeskriptoriks. Kvantimine vähendab oluliselt andmete hulka, mida arvuti peab töötlema. Kvantdeskriptorite põhjal saab arvuti pilte võrrelda ja neil olevaid objekte ära tunda. Arvuti võrdleb erinevate piltide kvant deskriptorite komplekte ja teeb järelduse, kui palju need või nende üksikud fragmendid on sarnased. Sellist võrdlust kasutavad ka otsingumootorid piltide leidmiseks pildi järgi. | Ja klastri numbrit ennast nimetatakse kvantdeskriptoriks. Kvantimine vähendab oluliselt andmete hulka, mida arvuti peab töötlema. Kvantdeskriptorite põhjal saab arvuti pilte võrrelda ja neil olevaid objekte ära tunda. Arvuti võrdleb erinevate piltide kvant deskriptorite komplekte ja teeb järelduse, kui palju need või nende üksikud fragmendid on sarnased. Sellist võrdlust kasutavad ka otsingumootorid piltide leidmiseks pildi järgi. | ||
Revision as of 15:11, 22 November 2021
Masinnägemine - on (сюда текст определения)
Ajalugu
Сюда история
Masinnägemise arengu ajalugu ja see, mis meil praegu on
Kuidas masinnägemine töötab
Selleks, et arvuti teatud objektid üles leiaks, tuleb seda talle õpetada. Selleks koostatakse tohutu koolitusnäidis. Näiteks fotodelt, millest osa sisaldab soovitud objekti ja teine osa mitte.Järgmiseks tuleb masinõpe. Arvuti analüüsib proovist saadud pilti. Seejärel teeb arvuti kindlaks, millised kujutiste kombinatsioonide tunnused näitavad soovitud objektide olemasolu, ja arvutab nende olulisuse. Kui see on lõpetatud, saab masinnägemist kasutada.
Arvuti jaoks on pilt pikslite kogum, millest igaühel on oma heleduse või värvi väärtus. Selleks, et masin saaks pildi sisust aimu, töödeldakse seda spetsiaalsete algoritmide abil. Esmalt tehakse kindlaks suured olulised kohad. Seda saab teha mitmel viisil. Näiteks liigutage mitu korda sarnast pilti Gaussi häguga, kasutades erinevaid hägususraadiusi. Seejärel võrreldakse tulemusi omavahel, et paljastada kõige kontrastsemad alad, nagu heledad laigud ja katkendlikud jooned. Pärast oluliste kohtade leidmist kirjeldab arvuti neid numbritega. Pildi fragmendi numbrilisel kujul salvestamist nimetatakse deskriptoriks. Deskriptorite abil saate üsna täpselt võrrelda pildi fragmente, ilma fragmente endid kasutamata. Arvutuste kiirendamiseks jaotab arvuti deskriptorid rühmadesse, saades omamoodi klastri. Sarnased deskriptorid erinevatelt piltidelt kuuluvad samasse klastrisse. Pärast sellist klasterdamist muutub oluliseks ainult klastri number koos deskriptoritega . Mis on pakutavaga kõige sarnasem. Deskriptorist klastri numbrini jõudmist nimetatakse kvantiseerimiseks. Ja klastri numbrit ennast nimetatakse kvantdeskriptoriks. Kvantimine vähendab oluliselt andmete hulka, mida arvuti peab töötlema. Kvantdeskriptorite põhjal saab arvuti pilte võrrelda ja neil olevaid objekte ära tunda. Arvuti võrdleb erinevate piltide kvant deskriptorite komplekte ja teeb järelduse, kui palju need või nende üksikud fragmendid on sarnased. Sellist võrdlust kasutavad ka otsingumootorid piltide leidmiseks pildi järgi.
