एआईमा कम्प्युटर भिजन भनेको के हो?

यदि तपाईंले कहिल्यै आफ्नो अनुहारले आफ्नो फोन अनलक गर्नुभएको छ, रसिद स्क्यान गर्नुभएको छ, वा सेल्फ-चेकआउट क्यामेरा हेरेर सोच्नुभएको छ कि यसले तपाईंको एभोकाडोको मूल्यांकन गरिरहेको छ कि छैन, तपाईंले कम्प्युटर भिजनको विरुद्धमा ब्रश गर्नुभएको छ। सरल भाषामा भन्नुपर्दा, एआईमा कम्प्युटर भिजन भनेको मेसिनहरूले हेर्न र बुझ्न जसले निर्णय लिन पर्याप्त राम्रोसँग सिक्छ। उपयोगी? बिल्कुल। कहिलेकाहीं अचम्म लाग्छ? साथै हो। र यदि हामी इमानदार छौं भने कहिलेकाहीं थोरै डरलाग्दो। यसको उत्तममा, यसले अव्यवस्थित पिक्सेलहरूलाई व्यावहारिक कार्यहरूमा परिणत गर्दछ। यसको सबैभन्दा खराबमा, यो अनुमान गर्छ र डगमगाउँछ। आउनुहोस् राम्ररी खन्नुहोस्।

यसपछि पढ्न मन लाग्ने लेखहरू:

🔗 AI पूर्वाग्रह भनेको के हो?
AI प्रणालीहरूमा पूर्वाग्रह कसरी बन्छ र यसलाई पत्ता लगाउने र कम गर्ने तरिकाहरू।

🔗 भविष्यसूचक AI भनेको के हो?
भविष्यसूचक AI ले प्रवृत्ति र परिणामहरूको अनुमान गर्न डेटा कसरी प्रयोग गर्छ?

🔗 एआई प्रशिक्षक भनेको के हो?
एआई तालिम दिने पेशेवरहरूले प्रयोग गर्ने जिम्मेवारी, सीप र उपकरणहरू।

🔗 गुगल भर्टेक्स एआई भनेको के हो?
मोडेलहरू निर्माण र तैनाथ गर्नको लागि गुगलको एकीकृत एआई प्लेटफर्मको सिंहावलोकन।

एआईमा कम्प्युटर भिजन भनेको के हो, वास्तवमा? 📸

एआईमा कम्प्युटर भिजन भनेको आर्टिफिसियल इन्टेलिजेन्सको शाखा हो जसले कम्प्युटरहरूलाई दृश्य डेटाको व्याख्या र तर्क गर्न सिकाउँछ। यो कच्चा पिक्सेलबाट संरचित अर्थसम्मको पाइपलाइन हो: "यो एक रोक चिन्ह हो," "ती पैदल यात्रीहरू हुन्," "वेल्ड दोषपूर्ण छ," "इनभ्वाइस कुल यहाँ छ।" यसले वर्गीकरण, पत्ता लगाउने, विभाजन, ट्र्याकिङ, गहिराइ अनुमान, OCR, र ढाँचा-सिकाइ मोडेलहरूद्वारा थप सिलाई जस्ता कार्यहरू समेट्छ। औपचारिक क्षेत्रले क्लासिक ज्यामितिलाई आधुनिक गहिरो सिकाइमा फैलाउँछ, व्यावहारिक प्लेबुकहरू सहित तपाईंले प्रतिलिपि गर्न र ट्वीक गर्न सक्नुहुन्छ। [1]

छोटो कथा: एउटा सामान्य ७२०p क्यामेरा भएको प्याकेजिङ लाइनको कल्पना गर्नुहोस्। हल्का तौल भएको डिटेक्टरले क्याप्स पत्ता लगाउँछ, र एउटा साधारण ट्र्याकरले बोतललाई हरियो बत्ती दिनु अघि तिनीहरू लगातार पाँच फ्रेमहरूको लागि पङ्क्तिबद्ध छन् भनेर पुष्टि गर्छ। फेन्सी होइन - तर सस्तो, छिटो, र यसले पुन: काम कम गर्छ।

AI मा कम्प्युटर भिजनलाई के ले उपयोगी बनाउँछ? ✅

• सिग्नल-टु-एक्शन फ्लो : दृश्य इनपुट एक कार्ययोग्य आउटपुट बन्छ। कम ड्यासबोर्ड, बढी निर्णय।

• सामान्यीकरण : सही डेटाको साथ, एउटा मोडेलले विभिन्न प्रकारका छविहरू ह्यान्डल गर्छ। पूर्ण रूपमा होइन - कहिलेकाहीं अचम्मलाग्दो रूपमा राम्रोसँग।

• डेटा लिभरेज : क्यामेराहरू सस्तो र जताततै छन्। भिजनले पिक्सेलको त्यो समुद्रलाई अन्तर्दृष्टिमा परिणत गर्छ।

• गति : मोडेलहरूले कार्य र रिजोल्युसनको आधारमा सामान्य हार्डवेयरमा वास्तविक समयमा वा लगभग वास्तविक समयमा फ्रेमहरू प्रशोधन गर्न सक्छन्।

• कम्पोजेबिलिटी : भरपर्दो प्रणालीहरूमा सरल चरणहरू श्रृंखलाबद्ध गर्नुहोस्: पत्ता लगाउने → ट्र्याकिङ → गुणस्तर नियन्त्रण।

• पारिस्थितिक प्रणाली : उपकरणहरू, पूर्व-प्रशिक्षित मोडेलहरू, बेन्चमार्कहरू, र समुदाय समर्थन - कोडको एक विशाल बजार।

इमानदार हुनुहोस्, गोप्य कुरा गोप्य होइन: राम्रो डेटा, अनुशासित मूल्याङ्कन, सावधानीपूर्वक तैनाती। बाँकी अभ्यास हो... र सायद कफी। ☕

एआईमा कम्प्युटर भिजन कसरी काम गर्छ, एउटै समझदार पाइपलाइनमा 🧪

1. छवि अधिग्रहण
   क्यामेरा, स्क्यानर, ड्रोन, फोन। सेन्सर प्रकार, एक्सपोजर, लेन्स, र फ्रेम दर सावधानीपूर्वक छनौट गर्नुहोस्। फोहोर भित्र फाल्नुहोस्, आदि।

2. पूर्व-प्रशोधन
   आवश्यक परेमा आकार परिवर्तन गर्नुहोस्, क्रप गर्नुहोस्, सामान्यीकरण गर्नुहोस्, डिब्लर गर्नुहोस् वा आवाज घटाउनुहोस्। कहिलेकाहीँ सानो कन्ट्रास्ट ट्वीकले पहाडहरू सार्छ। [4]

3. लेबल र डेटासेटहरू
   बाउन्डिङ बक्सहरू, बहुभुजहरू, किपोइन्टहरू, पाठ स्प्यानहरू। सन्तुलित, प्रतिनिधि लेबलहरू - वा तपाईंको मोडेलले एकतर्फी बानीहरू सिक्छ।

4. मोडलिङ

   • वर्गीकरण : "कुन श्रेणी?"

   • पत्ता लगाउने : "वस्तुहरू कहाँ छन्?"

   • खण्डीकरण : "कुन पिक्सेल कुन चीजसँग सम्बन्धित छ?"

   • मुख्य बुँदाहरू र पोज : "जोर्नीहरू वा स्थलचिह्नहरू कहाँ छन्?"

   • OCR : "तस्बिरमा कुन पाठ छ?"

   • गहिराई र 3D : "सबै कुरा कति टाढा छ?"
     वास्तुकला फरक-फरक हुन्छ, तर कन्भोलुसनल नेट र ट्रान्सफर्मर-शैली मोडेलहरू हावी हुन्छन्। [1]

5. तालिम
   डेटा विभाजन गर्नुहोस्, हाइपरप्यारामिटरहरू ट्युन गर्नुहोस्, नियमित गर्नुहोस्, बढाउनुहोस्। वालपेपर कण्ठ गर्नु अघि चाँडै रोक्नुहोस्।

6. मूल्याङ्कन
   OCR को लागि mAP, IoU, F1, CER/WER जस्ता कार्य-उपयुक्त मेट्रिक्स प्रयोग गर्नुहोस्। चेरी-पिक नगर्नुहोस्। निष्पक्ष रूपमा तुलना गर्नुहोस्। [3]

7. तैनाती
   अप्टिमाइज गर्नुहोस्: क्लाउड ब्याच कार्यहरू, उपकरणमा अनुमान, किनारा सर्भरहरू। ड्रिफ्ट निगरानी गर्नुहोस्। संसार परिवर्तन हुँदा पुन: तालिम दिनुहोस्।

ठूला डेटासेट र कम्प्युटले महत्वपूर्ण द्रव्यमान हासिल गरेपछि डीप नेटहरूले गुणात्मक छलांगलाई उत्प्रेरित गर्‍यो। इमेजनेट चुनौती जस्ता बेन्चमार्कहरूले त्यो प्रगतिलाई दृश्यात्मक र अथक बनायो। [2]

तपाईंले वास्तवमा प्रयोग गर्ने मुख्य कार्यहरू (र कहिले) 🧩

• छवि वर्गीकरण : प्रति छवि एउटा लेबल। द्रुत फिल्टर, ट्राइज, वा गुणस्तरीय गेटहरूको लागि प्रयोग गर्नुहोस्।

• वस्तु पत्ता लगाउने : वस्तुहरू वरिपरि बाकसहरू। खुद्रा क्षति रोकथाम, सवारी साधन पत्ता लगाउने, वन्यजन्तु गणना।

• उदाहरण विभाजन : प्रति वस्तु पिक्सेल-सटीक सिल्हूटहरू। उत्पादन दोषहरू, शल्यक्रिया उपकरणहरू, कृषि प्रविधि।

• अर्थपूर्ण विभाजन : उदाहरणहरू छुट्याएर प्रति पिक्सेल वर्ग। शहरी सडक दृश्यहरू, भूमि आवरण।

• मुख्य बिन्दु पत्ता लगाउने र मुद्रा : जोर्नीहरू, स्थलचिह्नहरू, अनुहारका विशेषताहरू। खेलकुद विश्लेषण, एर्गोनोमिक्स, AR।

• ट्र्याकिङ : समयसँगै वस्तुहरू पछ्याउनुहोस्। रसद, ट्राफिक, सुरक्षा।

• OCR र कागजात AI : पाठ निकासी र लेआउट पार्सिङ। बीजकहरू, रसिदहरू, फारमहरू।

• गहिराई र 3D : बहु दृश्यहरू वा मोनोकुलर संकेतहरूबाट पुनर्निर्माण। रोबोटिक्स, AR, म्यापिङ।

• दृश्यात्मक क्याप्सन : प्राकृतिक भाषामा दृश्यहरूको संक्षेपण गर्नुहोस्। पहुँच, खोज।

• दृष्टि-भाषा मोडेलहरू : बहुविध तर्क, पुन: प्राप्ति-संवर्धित दृष्टि, ग्राउन्डेड QA।

सानो केस भाइब: पसलहरूमा, डिटेक्टरले शेल्फ फेसिंगहरू हराएको संकेत गर्छ; ट्र्याकरले कर्मचारी पुन: स्टक गर्दा दोहोरो गणनालाई रोक्छ; एउटा साधारण नियमले कम विश्वास भएका फ्रेमहरूलाई मानव समीक्षामा पुर्‍याउँछ। यो एउटा सानो अर्केस्ट्रा हो जुन प्रायः धुनमा रहन्छ।

तुलना तालिका: छिटो ढुवानी गर्ने उपकरणहरू 🧰

जानाजानी अलि अनौठो। हो, दूरी अनौठो छ - मलाई थाहा छ।.

एआईमा कम्प्युटर भिजनको गुणस्तरलाई के ले बढाउँछ 🔧

• डेटा कभरेज : प्रकाश परिवर्तन, कोण, पृष्ठभूमि, किनारा केसहरू। यदि यो हुन सक्छ भने, यसलाई समावेश गर्नुहोस्।

• लेबल गुणस्तर : असंगत बक्सहरू वा ढिलो बहुभुजहरूले mAP लाई तोडफोड गर्छन्। थोरै QA ले धेरै काम गर्छ।

• स्मार्ट वृद्धि : क्रप गर्नुहोस्, घुमाउनुहोस्, चमक बढाउनुहोस्, कृत्रिम आवाज थप्नुहोस्। यथार्थवादी हुनुहोस्, अराजकता होइन।

• मोडेल-चयन फिट : पत्ता लगाउन आवश्यक पर्ने ठाउँमा पत्ता लगाउने प्रयोग गर्नुहोस् - वर्गीकरणकर्तालाई स्थानहरू अनुमान गर्न बाध्य नपार्नुहोस्।

• प्रभावसँग मेल खाने मेट्रिक्स : यदि गलत नकारात्मकले बढी चोट पुर्‍याउँछ भने, सम्झनालाई अनुकूलन गर्नुहोस्। यदि गलत सकारात्मकले बढी चोट पुर्‍याउँछ भने, पहिले परिशुद्धता।

• कडा प्रतिक्रिया लूप : विफलताहरू लग गर्नुहोस्, पुन: लेबल गर्नुहोस्, पुन: तालिम दिनुहोस्। कुल्ला गर्नुहोस्, दोहोर्याउनुहोस्। थोरै बोरिंग - अत्यधिक प्रभावकारी।

पत्ता लगाउने/विभाजनको लागि, समुदाय मानक भनेको IoU थ्रेसहोल्डहरू-उर्फ COCO-शैली mAP औसत औसत परिशुद्धता । IoU र AP@{0.5:0.95} कसरी गणना गरिन्छ भन्ने कुरा थाहा पाउनाले लिडरबोर्ड दावीहरूलाई दशमलवहरूले तपाईंलाई चकित पार्नबाट बचाउँछ। [3]

काल्पनिक नभएका वास्तविक प्रयोगका केसहरू 🌍

• खुद्रा : शेल्फ विश्लेषण, घाटा रोकथाम, लाम अनुगमन, प्लानोग्राम अनुपालन।

• निर्माण : सतह दोष पत्ता लगाउने, एसेम्बली प्रमाणीकरण, रोबोट मार्गदर्शन।

• स्वास्थ्य सेवा : रेडियोलोजी ट्राइज, उपकरण पत्ता लगाउने, कोशिका विभाजन।

• गतिशीलता : ADAS, ट्राफिक क्याम, पार्किङ अकुपेन्सी, माइक्रोमोबिलिटी ट्र्याकिङ।

• कृषि : बाली गणना, रोग पत्ता लगाउने, बाली लगाउने तयारी।

• बीमा र वित्त : क्षति मूल्याङ्कन, KYC जाँच, ठगी झण्डा।

• निर्माण र ऊर्जा : सुरक्षा अनुपालन, चुहावट पत्ता लगाउने, क्षरण निगरानी।

• सामग्री र पहुँच : स्वचालित क्याप्सन, मोडरेसन, दृश्य खोज।

तपाईंले देख्नुहुने ढाँचा: म्यानुअल स्क्यानिङलाई स्वचालित ट्राइजले बदल्नुहोस्, त्यसपछि आत्मविश्वास घटेपछि मानवहरूमा बढाउनुहोस्। आकर्षक छैन - तर यो बढ्छ।.

डेटा, लेबलहरू, र मेट्रिक्स जुन महत्त्वपूर्ण छन् 📊

• वर्गीकरण : शुद्धता, असन्तुलनको लागि F1।

• पत्ता लगाउने : IoU थ्रेसहोल्डहरूमा mAP; प्रति-वर्ग AP र आकार बाल्टीहरूको निरीक्षण गर्नुहोस्। [3]

• विभाजन : mIoU, पासा; उदाहरण-स्तर त्रुटिहरू पनि जाँच गर्नुहोस्।

• ट्र्याकिङ : MOTA, IDF1; पुन: पहिचान गुणस्तर मौन नायक हो।

• OCR : क्यारेक्टर त्रुटि दर (CER) र वर्ड त्रुटि दर (WER); लेआउट विफलताहरू प्रायः हावी हुन्छन्।

• प्रतिगमन कार्यहरू : गहिराइ वा मुद्राले निरपेक्ष/सापेक्षिक त्रुटिहरू प्रयोग गर्दछ (प्रायः लग स्केलहरूमा)।

आफ्नो मूल्याङ्कन प्रोटोकललाई दस्तावेजीकृत गर्नुहोस् ताकि अरूले यसलाई नक्कल गर्न सकून्। यो अनसेक्सि छ - तर यसले तपाईंलाई इमानदार राख्छ।.

निर्माण बनाम किन्नुहोस् - र यसलाई कहाँ चलाउने 🏗️

• क्लाउड : सुरु गर्न सबैभन्दा सजिलो, ब्याच कार्यभारहरूको लागि उत्कृष्ट। बाहिर निस्कने लागत हेर्नुहोस्।

• एज उपकरणहरू : कम विलम्बता र राम्रो गोपनीयता। तपाईंले क्वान्टाइजेसन, प्रुनिङ, र एक्सेलेरेटरहरूको बारेमा ख्याल राख्नुहुनेछ।

• उपकरणमा रहेको मोबाइल : यो फिट हुँदा अद्भुत। मोडेलहरू र घडीको ब्याट्री अप्टिमाइज गर्नुहोस्।

• हाइब्रिड : किनारामा पूर्व-फिल्टर, क्लाउडमा भारी उठाउने। राम्रो सम्झौता।

एक बोरिंग भरपर्दो स्ट्याक: PyTorch सँग प्रोटोटाइप, मानक डिटेक्टरलाई तालिम दिनुहोस्, ONNX मा निर्यात गर्नुहोस्, OpenVINO/ONNX रनटाइमसँग गति बढाउनुहोस्, र पूर्व-प्रक्रिया र ज्यामिति (क्यालिब्रेसन, होमोग्राफी, आकारविज्ञान) को लागि OpenCV प्रयोग गर्नुहोस्। [4]

जोखिम, नैतिकता, र कुरा गर्न गाह्रो पक्षहरू ⚖️

दृष्टि प्रणालीहरूले डेटासेट पूर्वाग्रह वा सञ्चालन ब्लाइन्ड स्पटहरू प्राप्त गर्न सक्छन्। स्वतन्त्र मूल्याङ्कनहरू (जस्तै, NIST FRVT) ले एल्गोरिदम र अवस्थाहरूमा अनुहार पहिचान त्रुटि दरहरूमा जनसांख्यिकीय भिन्नताहरू मापन गरेको छ। यो आत्तिनु पर्ने कारण होइन, तर यो हो । यदि तपाईंले पहिचान- वा सुरक्षा-सम्बन्धित प्रयोग केसहरू तैनाथ गर्नुहुन्छ भने, मानव समीक्षा र अपील संयन्त्रहरू समावेश गर्नुहोस्। गोपनीयता, सहमति, र पारदर्शिता वैकल्पिक अतिरिक्तहरू होइनन्। [5]

तपाईंले वास्तवमा पालना गर्न सक्ने द्रुत-सुरुवात रोडम्याप 🗺️

1. निर्णय परिभाषित गर्नुहोस्
   छवि हेरेपछि प्रणालीले कस्तो कारबाही गर्नुपर्छ? यसले तपाईंलाई भ्यानिटी मेट्रिक्सलाई अनुकूलन गर्नबाट रोक्छ।

2. एउटा स्क्र्यापी डेटासेट सङ्कलन गर्नुहोस्
   तपाईंको वास्तविक वातावरण प्रतिबिम्बित गर्ने केही सय तस्बिरहरूबाट सुरु गर्नुहोस्। सावधानीपूर्वक लेबल गर्नुहोस् - चाहे त्यो तपाईं र तीनवटा स्टिकी नोटहरू नै किन नहोस्।

3. आधारभूत मोडेल छान्नुहोस्
   पूर्व-प्रशिक्षित तौल भएको साधारण ब्याकबोन छान्नुहोस्। विदेशी वास्तुकलाहरूको पछि नलाग्नुहोस्। [1]

4. तालिम दिनुहोस्, लग गर्नुहोस्,
   ट्र्याक मेट्रिक्स, भ्रम बिन्दुहरू, र असफलता मोडहरूको मूल्याङ्कन गर्नुहोस्। "अनौठो केसहरू" - हिउँ, चमक, प्रतिबिम्ब, अनौठो फन्टहरूको नोटबुक राख्नुहोस्।

5. लूप कस्नुहोस्
   कडा नकारात्मकहरू थप्नुहोस्, लेबल ड्रिफ्ट ठीक गर्नुहोस्, वृद्धि समायोजन गर्नुहोस्, र थ्रेसहोल्डहरू पुन: ट्यून गर्नुहोस्। साना ट्वीक्सहरू थपिन्छन्। [3]

6. स्लिम संस्करण तैनाथ गर्नुहोस्
   क्वान्टाइज गर्नुहोस् र निर्यात गर्नुहोस्। वास्तविक वातावरणमा विलम्बता/थ्रुपुट मापन गर्नुहोस्, खेलौना बेन्चमार्क होइन।

7. अनुगमन र पुनरावृत्ति गर्नुहोस्
   मिसफायरहरू सङ्कलन गर्नुहोस्, पुन: लेबल गर्नुहोस्, पुन: तालिम दिनुहोस्। आवधिक मूल्याङ्कनहरू तालिकाबद्ध गर्नुहोस् ताकि तपाईंको मोडेल जीवाश्म नहोस्।

प्रो टिप: तपाईंको सबैभन्दा निन्दक टोली साथीले सेट गरेको सानो होल्डआउट एनोटेट गर्नुहोस्। यदि तिनीहरूले यसमा प्वाल पार्न सक्दैनन् भने, तपाईं सम्भवतः तयार हुनुहुन्छ।

तपाईंले बेवास्ता गर्न चाहनुहुने सामान्य समस्याहरू 🧨

• सफा स्टुडियो छविहरूमा प्रशिक्षण, लेन्समा वर्षाको साथ वास्तविक संसारमा तैनाथ गर्दै।.

• जब तपाईं साँच्चै एउटा महत्वपूर्ण वर्गको ख्याल राख्नुहुन्छ तब समग्र mAP को लागि अनुकूलन गर्दै। [3]

• वर्ग असन्तुलनलाई बेवास्ता गर्दै र त्यसपछि दुर्लभ घटनाहरू किन गायब हुन्छन् भनेर सोच्दै।.

• मोडेलले कृत्रिम कलाकृतिहरू नसिखेसम्म अति-वृद्धि।.

• क्यामेरा क्यालिब्रेसन छोड्ने र त्यसपछि परिप्रेक्ष्य त्रुटिहरूसँग सधैं लड्ने। [4]

• सही मूल्याङ्कन सेटअपको नक्कल नगरी लिडरबोर्ड नम्बरहरूमा विश्वास गर्नु। [2][3]

बुकमार्क गर्न लायक स्रोतहरू 🔗

यदि तपाईंलाई प्राथमिक सामग्री र पाठ्यक्रम नोटहरू मन पर्छ भने, यी आधारभूत कुराहरू, अभ्यास र बेन्चमार्कहरूको लागि सुन हुन्। सन्दर्भ खण्ड हेर्नुहोस्: CS231n नोटहरू, ImageNet चुनौती पत्र, COCO डेटासेट/मूल्याङ्कन कागजातहरू, OpenCV कागजातहरू, र NIST FRVT रिपोर्टहरू। [1][2][3][4][5]

अन्तिम टिप्पणी - वा धेरै लामो, पढिएको छैन 🍃

एआईमा कम्प्युटर भिजनले पिक्सेललाई निर्णयमा परिणत गर्छ। जब तपाईं सही कार्यलाई सही डेटासँग जोड्नुहुन्छ, सही चीजहरू मापन गर्नुहुन्छ, र असामान्य अनुशासनको साथ दोहोर्‍याउनुहुन्छ तब यो चम्किन्छ। टुलिङ उदार छ, बेन्चमार्कहरू सार्वजनिक छन्, र यदि तपाईं अन्तिम निर्णयमा ध्यान केन्द्रित गर्नुहुन्छ भने प्रोटोटाइपबाट उत्पादनसम्मको बाटो आश्चर्यजनक रूपमा छोटो छ। आफ्नो लेबलहरू सीधा बनाउनुहोस्, प्रभावसँग मेल खाने मेट्रिक्स छनौट गर्नुहोस्, र मोडेलहरूलाई भारी लिफ्टिङ गर्न दिनुहोस्। र यदि कुनै रूपकले मद्दत गर्छ भने - यसलाई के महत्त्वपूर्ण छ भनेर पत्ता लगाउन धेरै छिटो तर शाब्दिक इन्टर्न सिकाउने जस्तो सोच्नुहोस्। तपाईंले उदाहरणहरू देखाउनुहोस्, गल्तीहरू सच्याउनुहोस्, र बिस्तारै वास्तविक कामको साथ यसलाई विश्वास गर्नुहोस्। उत्तम छैन, तर रूपान्तरणकारी हुन पर्याप्त नजिक। 🌟

सन्दर्भ सामग्रीहरू

1. CS231n: कम्प्युटर भिजनको लागि गहन सिकाइ (कोर्स नोटहरू) - स्ट्यानफोर्ड विश्वविद्यालय।
   थप पढ्नुहोस्

2. इमेजनेट लार्ज स्केल भिजुअल रिकग्निसन च्यालेन्ज (पेपर) - रुसाकोभस्की एट अल।
   थप पढ्नुहोस्

3. COCO डेटासेट र मूल्याङ्कन - आधिकारिक साइट (कार्य परिभाषा र mAP/IoU कन्भेन्सनहरू)।
   थप पढ्नुहोस्

4. OpenCV कागजात (v4.x) - पूर्व-प्रक्रिया, क्यालिब्रेसन, आकारविज्ञान, आदिका लागि मोड्युलहरू
   । थप पढ्नुहोस्

5. NIST FRVT भाग ३: जनसांख्यिकीय प्रभावहरू (NISTIR 8280) - जनसांख्यिकीय आधारमा अनुहार पहिचानको शुद्धताको स्वतन्त्र मूल्याङ्कन।
   थप पढ्नुहोस्

आधिकारिक एआई सहायक स्टोरमा नवीनतम एआई खोज्नुहोस्

हाम्रो बारेमा