ಐಎನ್ ಅನ್ನು ಗುರುತಿಸುತ್ತವೆ ದೃಶ್ಯ ಶ್ರೇಣಿಗಳನ್ನು ಹೊಸ ಪ್ರಸಂಗಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತವೆ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಚಿತ್ರಗಳನ್ನು ವಿವರಿಸುವ ಶ್ರೇಷ್ಠತೆಯನ್ನು ಪೂರೈಸುತ್ತಿದೆ, ನಿಶ್ಚಿತ ವರ್ಗೀಕರಣಗಳನ್ನು ಬಿಡಿಸುತ್ತಿದೆ. ಈ ಹೊಸ ಪರಿಕಲ್ಪನೆಯಲ್ಲಿಗೆ ಹೊಂದಾಣಿಕೆ, ಐಇ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ದಿಷ್ಟ ನಿರೀಕ್ಷೆಗಳ ಆಧಾರದ ಮೇಲೆ ಅವರ സമീപನೆಯನ್ನು ಪುನರಾಯೋಜಿಸಲು ಸಹಾಯಿಸುತ್ತದೆ. ಓಪನ್ ಅಡ್-ಹಾಕ್ ಕ್ಯಾಟಗರೈಸಿಯ ಸೂಚನೆಯ ಮೂಲಕ, ದೃಶ್ಯ ಗುರುತಿಸುವಿಕೆ ಗತಿಶೀಲವಾಗುತ್ತದೆ ಮತ್ತು ನಡೆಯುವಂತಾಗುತ್ತದೆ, ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆಯ ಸಾಮಾನ್ಯ ಮಿತಿಗಳನ್ನು ಮೀರಿಸುತ್ತವೆ.

ಹಣೆಯ ಗೋಚಿಯ ಐಇ ವ್ಯವಸ್ಥೆ

ಹೊಸ ಐಇ ವ್ಯವಸ್ಥೆ, ಓಪನ್ ಅಡ್-ಹಾಕ್ ಕ್ಯಾಟಗರೈಸಿಯ ವಿಧಾನವನ್ನು ಆಧಾರಿತವಾಗಿರುತ್ತದೆ, ವೈವಿಧ್ಯಮಯ ವೇಳಾಪಟ್ಟಿಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುವ ದೃಶ್ಯ ವರ್ಗಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ. ಈ ಮಾದರಿಯನ್ನು ಮಿಚಿಗಾನ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಶೋಧಕರ ತಂಡವು ಅಭಿವೃದ್ಧಿ ಪಡಿಸಿದೆ, ಬೋಶ್ ಕೇಂದ್ರೀಕೃತ ಏಐ ಕೇಂದ್ರ ಮತ್ತು ಇತರ ಅಕಾಡೆಮಿಕ್ ಸಂಸ್ಥೆಗಳೊಂದಿಗೆ ಸಹಯೋಗವು ಇದರಲ್ಲಿ ಸೇರಿದೆ. OAK ಮೂಲ ತತ್ವವು ಚಿತ್ರಗಳ ಗತಿಶೀಲವಿವರಣೆ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ, ಪರಂಪರಾವದ್ದ ವರ್ಗಗಳನ್ನು ಬಿಟ್ಟು.

OAK ನ ತತ್ವ

OAK ಚಿತ್ರವನ್ನು ವಿಭಿನ್ನ ಸಂದರ್ಭದಲ್ಲಿ ಅರ್ಥೈಸಲು ವಿಭಿನ್ನ ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಒಂದು ಜೋಡೆನೀಲಿ ಚಿತ್ರವು ಮಾರಾಟದ ಹಗ್ಗದಲ್ಲಿ ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ reson ಮಾಡಬಹುದು, ಅಲ್ಲಿ “ಜೋದೇನು” ಎಂಬ ಶಬ್ದವು ಕ್ಯಾಪ್ಸ್ ಅಥವಾ ಕಿತ್ತಳೆಗಳನ್ನು ಸಹ ಒಳಗೊಂಡಿರಬಹುದು. ಈ ವ್ಯವಸ್ಥೆಯ ಸುಲಭತೆ ಹಿಂದಿನ ನಿರೀಕ್ಷೆಗಳಿಗೆ ಪೋಲೀಸ್ ನೀಡಿದ್ದಾರೆ, ನಡೆದ ಹೃದಯವನ್ನು ಅಲ್ಲಿಯಲ್ಲಿಯೇ ಪ್ರತಿ ಚಿತ್ರಕ್ಕಿರುವ ಅರ್ಥನೀಡಿವಿರುವುದಿಲ್ಲ.

ಅಭಿವೃದ್ಧಿ ಮತ್ತು ವಿಧಾನವಿಜ್ಞಾನ

ಶೋಧಕರು CLIP ಮಾದರಿಯು ಬೆಳಕನ್ನು ಮತ್ತು ಭಾಷೆಯನ್ನು ಕಾಂಪೋನರ್ ಮಾಡಲು ಡೈನಮಿಕ್ ಅಗೆತದಲ್ಲಿ ಪರಿಪ್ರೇಕ್ಷ್ಯದ ಟೋಕೆನ್ಸ್ನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ವಿಸ್ತಾರಗೊಳಿಸಿದ್ದಾರೆ. ಈ ಸೂಚನಾ ವೈಶಿಷ್ಟ್ಯಗಳು ಲೇಬಲಿಂಗ್ ಮಾಡದ ಮತ್ತು ಲೇಬಲ್ ಮಾಡದ ಮಾಹಿತಿಯಿಂದ ಕಲಿಯುತ್ತದೆ. ಈ ರೀತಿಯಿಂದ, ಐಇ ಹೃದಯ ವ್ಯಕ್ತಿತ್ವವನ್ನು ಹೊರತೆಗೆದು, ನಿಖರವಾಗಿ ನಿಯೋಜಿತ ಮಾರ್ಗದರ್ಶನಾಮಲೆಗಳದೇ ಬದ್ಧವಾಗಿರುತ್ತದೆ.

ಹೊಸ ವರ್ಗಗಳ ಪತ್ತೆ

OAK ನ ಒದಗಿಸುವ ವಿಶಿಷ್ಟ ಲಕ್ಷಣಗಳಲ್ಲಿ ಒಂದೆಂದರೆ, ಇದು ಹೊಸ ವರ್ಗಗಳನ್ನು ಪತ್ತೆ ಮಾಡಲ್ಲಿದೆ. ಉದಾಹರಣೆಗೆ, ಒಂದು ಖಜಾನೆ ಮಾರಾಟದಲ್ಲಿ ಮಾರಾಟ ಮಾಡಲು ಐಟಮ್ಸ್ ಗುರುತಿಸಲು, система ಸಾಂಪ್ರಡಾಯಿಕ ಉಲ್ಲೇಖಗಳಿಲ್ಲದೆ ತರಹಗಳು ಅಥವಾ ಹೆಡ್ಡ್ಸ್ ಇತ್ಯಾದಿಗಳನ್ನು ಗುರುತಿಸಲು ಕಲಿತಿದೆ. ಈ ಸಾಮರ್ಥ್ಯವುಸಮ್ಮೇಳನಗಳ ಮಾರ್ಗದರ್ಶಿ ಮತ್ತು ದೃಷ್ಟಿ ಕ್ಲಸ್ಟರ್ಗಳನ್ನು ಹೊಂದುವ ಹೊಸ ವಿಧಾನವನ್ನು ಹೊಂದಿದೆ.

ಪರಿಕಲ್ಪನೆಗಳ ನಡುವೆ ურთიერთಾಸಕ್ತಿ

ಗೂಡು ಮಾರ್ಗದರ್ಶಕ ವಿಧಾನಗಳು ಯುಕ್ತಿಯನ್ನು ನಿರೀಕ್ಷಿತವಾದ ತಿಳಿವಳಿಕೆಗಳಿಗೆ ಒಪ್ಪಿಸುತ್ತವೆ. ಮಾದರಿಯು ಸ್ಥಿರಗಳನ್ನು ಗುರುತಿಸುವಾಗ, ಇದು ವಿಚಾರಣಾ ಸಂಪರ್ಕಗಳ ಆಧಾರದ ಮೇಲೆ ಹೆಡ್‌ಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ. ಜೊತೆಗೆ, ನಿರಂತರ ಲೇಬಲ್ ಟರ್ನಿಡಮ್ಮಗಳಲ್ಲಿ ದೃಷ್ಟಿ ಕ್ಲಸ್ಟರ್ ತಂತ್ರದಲ್ಲಿ ಸಹ ವಿಸ್ತಾರಗೊಳಿಸುತ್ತದೆ. ಈ ಎರಡು ವಿಧಾನಗಳು ತರಬೇತಿಯಲ್ಲಿ ಸಹಕರಿಸುತ್ತವೆ, ಆಯನವನ್ನು ಮರುಪಡೆಯುತ್ತವೆ.

ಸೂಪಾರಾದ ವೃತ್ತಿತತ್ವ

ಸ್ಟಾನ್‌ಫೋರ್ಡ್ ಮತ್ತು ಕ್ಲೇವರ್-4 ನಂತಹ ಮಾಹಿತಿಯ ವೃತ್ತಿತ್ತ ಮೇಲೆ ನಡೆಸಿದ ಪತ್ತೆಗಳ ನಿಯಂತ್ರಣವು OAK ಇರುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಚಿತ್ರಿಸುತ್ತದೆ ಮತ್ತು ದೃದೇಚಿತ್ರಗಳ ಗುರುತಿಸುವಿಕೆಯಲ್ಲಿ ಇತರ ಮಾದರಿಗಳನ್ನು ಸ್ಥಗಿತಗೊಳಿಸುತ್ತದೆ. ಅದು ಸಂವೇದಿ ಮಾಹಿತಿಯನ್ನು ಗುರುತಿಸಲು 87.4% ನಿಖರತೆಯನ್ನು ಹೊಂದಿದೆ, ಕ್ಲಿಪ್‌ನಂತಹ ಹಿಂದಿನ ಮಾದರಿಗಳನ್ನು ಹಿಂದೆ ಹಾಕುತ್ತದೆ.

ಭವಿಷ್ಯದ ಅಪ್ಲಿಕೇಶನ್ಗಳು

OAK ತಂತ್ರದಲ್ಲಿ ಹಲವು ಕ್ಷೇತ್ರಗಳಿಗೆ ಅವುಗಳನ್ನು ಬಳಸುವ ಕೋವಿಡ್ ಪರ್ಧೆಯಾಗಬಹುದು, ರೋಬೋಟಿಕ್ ವಿಶೇಷತೆಗಳಲ್ಲಿ. ನಿಖರವಾಗಿ, ಒಂದೇ ಪರಿಸರವನ್ನು ಬಿಕ್ಕಟ್ಟೆಯಲ್ಲಿ ಹೇಗೆ ವ್ಯಕ್ತಪಡಿಸುವುದು ಪ್ರಯೋಜನಾಗಿರುವಂತೆ, ಸೃಷ್ಟಿಸುತ್ತವೆ. ಜಗತ್ತಿನಲ್ಲಿ ವೇಗ ಮತ್ತು ನಿರ್ಮಲತೆಯಂತಿರುವ ಮಾನವನ್ನು ಭವಿಷ್ಯದ ಅಭಿವೃದ್ಧಿಗಳಾಗುತ್ತದೆ.

ಐಇ ನ ಹೊಸ ವೈಶಿಷ್ಟ್ಯಗಳ ಕುರಿತಾಗಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ ಓದುವವರು ಈ ಲಿಂಕ್ಗೆ ಕ್ಲಿಕ್ ಮಾಡಬಹುದು: ಐಇ ಸಮ್ಮೇಳನದ ಅಧ್ಯಯನಗಳು. ಸಂಪರ್ಕಿತ ಗೂಡುಗಳಿಗೆ ಈ ವೆಬ್‌ಸೈಟ್ ಮೂಲಕ ತಲುಪಬಹುದು: ಈ ನಿಯಮವಾಗಿದೆ.

ಜಾತಿ ಕೀಳ್ಕೊಡುವ ಚಿತ್ರಗಳನ್ನು ಆಯನಗೊಳಿಸಲು ಸಂಬಂಧಪಟ್ಟಂತೆ ಏನಾದರೂ ಆಯಾಧಕೀಯ ಅನುಭವಿಸಿದವರು ಈ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿಗೆ ಇಲ್ಲಿ ದಾಖಲಾಗಿದೆ: ಇಟಲಿಯ ಕರೆ.

ಐಇ ದೃಷ್ಟಿಗಳ ಗೆದ್ದ ದೃಷ್ಟಿಯಿಂದ ಮೀಸಲು ಎಳಿದಿರುವ ಬಗ್ಗೆ ಚರ್ಚಿಸಲಾಗಿದೆ: ಗುರುತುಗೊಂಡ ಪಕ್ಷಗಳು.

ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆಗಳ ಸಮಾವೇಶ

ಐಇದ್ಧಿಂದ ದೃಶ್ಯ ವರ್ಗಾಂಶಗಳನ್ನು ಗುರುತಿಸಲು ಪ್ರಕ್ರಿಯೆ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತಿದೆ?
ಈ ಐಇ ವ್ಯವಸ್ಥೆಯು Open Ad-hoc Categorization (OAK) ವಿಧಾನವನ್ನು ಬಳಸುತ್ತದೆ, ಇದು ಸಿದ್ಧವಾದ ವಿಷಯವಾಗಿ ವೀಕ್ಷಿತ ಚಿತ್ರಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಗರವಾಗಿ ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಸಿದ್ಧವಾದ ಮತ್ತು ಎದುರಿಸುತ್ತಿಲ್ಲದ ಮಾಹಿತಿಯ ಆಧಾರಿತವಾಗಿರುವಂತೆ.

ಪರಂಪರೆಯಲ್ಲಿರುವ ವರ್ಗೀಕರಣ ವಿಧಾನಗಳ ಮತ್ತು OAK ಗೆಲ್ಲುವ ನಡುವಿನ ವ್ಯತ್ಯಾಸ ಏನು?
ಪರಂಪೆರಾ ಬರ್ಸುವ ವ್ಯವಸ್ಥೆಗಳು “ಕೋಣೆ” ಅಥವಾ “ಕೋಯ್ತು” ಎಂಬಂತೆ ನಿಶ್ಚಿತ ವರ್ಗಗಳನ್ನು ಬಳಸುತ್ತವೆ, OAK ಸಮಯವನ್ನು ಮರಳಿ ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ಒಂದು ಚಿತ್ರವನ್ನು “ತೆರೆಯುವುದು” ಅಥವಾ “ಖರೀದಿಸಲು” ಎಂದು ವರ್ಗೀಕರಿಸುತ್ತದೆ, ಅದುಚಾರ ವಂಚನೆ.

OAK ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ ಕಂಡುಮುಂದಿರುವ ಹೊಸ ವರ್ಗಗಳನ್ನು ಹೇಗೆ ಪತ್ತೆ ಮಾಡುತ್ತದೆ?
OAK ಮೊದಲಿನ ವರ್ಗ ಯೋಜನೆಗಳನ್ನು ಯುದ್ಧದಲ್ಲಿ ಸೇರಿಸುತ್ತದೆ. ಇದು ಭೇದಗಳುಬನ್ ನ್ಯೂಸ್ ಸಮ್ಮೇಳನದಿಂದ ಪೊಳಿಸುತ್ತಾ ಸುಳಿವು ನೆರವೇರಿಸಲು ಸಂದರ್ಭವನ್ನು ಬಳಸುತ್ತದೆ, ಭೇದಗಳುಬನ್ ಮಾರ್ಗಗಳನ್ನು ಕ್ಷೇತ್ರ ರೂಪಿಸುವ ಕಾರ್ಯಗಳನ್ನು ಬಳಸುತ್ತದೆ.

OAK ವ್ಯವಸ್ಥೆಯನ್ನು ತರಬೇತಿಗಾಗಿ ಯಾವ ರೀತಿಯ ಮಾಹಿತಿಯನ್ನು ಬೇಕಾಗುತ್ತದೆ?
ಈ ಐಇ ವೈಶಿಷ್ಟ್ಯವು ಲೇಬಲ್ ಮತ್ತು ಲೇಬಲ್ ಮಾಡದ ಮಾಹಿತಿಗಳನ್ನು ಬಳಸಿಕೊಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಇದು ಎಲ್ಲ ಕಾರಗಳಿಕಾರಣಗಳಿಗೆ ಬಾಗ ಹಾಗೂ ಪ್ರದೇಶಗಳಲ್ಲಿ ಸಂದರ್ಶನ ಹೋಗಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

OAK ಶ್ರೇಷ್ಠ ವಿಮರ್ಶಿತತಕ್ಷಣದಲ್ಲಿ ಹೊಂದಿದೆ!
OAK ನ ಅತ್ಯಂತ ಶ್ರೇಷ್ಠ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನೋಡುವ ಮೀನು ಶ್ರೇಣೋತ್ಪಾದನೆಯಲ್ಲಿ ಪರಿಶೀಲನೆ ನಮಸ್ಕರಿಸುತ್ತದೆ, ಶ್ರೇಣಾಗಳನ್ನು ಶ್ರೇಣಾಗಿಸಲು 87.4% ಶ್ರೇಷ್ಠಶ್ರೇಣಾಬರೆದுள்ளದು, CLIP ಮತ್ತು GCD ಮಾದರಿಗೆ ಸಹ 50% ಮುಂದು ಹಾಕುತ್ತಲೇ ಹೀಗೆ ಹರ್ಜುಗುವುದು.

OAK ಮೂಲಕ್ಕೆ ತಕ್ಷಣ ಪರಿಶೀಲನೆ ಪಡೆಯಬೇಕೇ?
ಇಲ್ಲ, OAK ಪಾಲಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಇಲ್ಲ ಹಳೆಯ ಮಾಹಿತಿಯನ್ನು ಹಳೆಯಕ್ಕೆ ಹಿನ್ನಡೆಯೆಂದು ಹೊಂದಿಕೆಯನ್ನು ವಿದ್ಯಾರ್ಥಿ ಕೃಷಕರ ಸೂಚಿಸುತ್ತಲೇ ಕಾರ್ಯಾಗಾರವನ್ನು ಸಲ್ಲಿಸುತ್ತದೆ.

OAK ದೃಶ್ಯ ಸಂಬಂಧಿಸಿ ಸೂಕ್ತ ಭಾಗಗಳನ್ನು ನಾಯ ಈಗ ಹೇಗೆ ತಲುಪಿಸುತ್ತದೆ?
ಈ ಮಾದರಿಯು ಹಿನ್ನೆಲೆಯಲ್ಲಿ ಪ್ರಶ್ನಾತರ್ವದಿಂದ ಮಾಹಿತಿ ಪಡೆದುಕೊಳ್ಳುತ್ತದೆ, ಸಮಯದಲ್ಲಿ ಇದು ಯುಕ್ತಿ ಸಾಧನೆಗಳಲ್ಲಿ ನಿರ್ಣಯಿಸಲಾಗುತ್ತದೆ.

OAK ನಂತಹ ಐಇ ವ್ಯವಸ್ಥೆಗಳು ಸಂಪೂರ್ಣ ಹೊಸ ವರ್ಗಗಳನ್ನು ರೂಪಿಸುತ್ತದೆ?
ಹೌದು, OAK , ಸಹ ವ್ಯಾಪ್ತಿಯನ್ನು ಗಮನದಲ್ಲಿಟ್ಟುಕೊಂಡು, ಪ್ರಸ್ತುತ ಪ್ರಾಥಮಿಕವಾಗಿ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಸಂಬಂಧಿಸುತ್ತದೆ.