ခေတ်သစ်ကွန်ပျူတာရူပါရုံကို။ လုပ်ငန်းများနှင့်ကွန်ပျူတာရူပါရုံကိုနည်းပညာ။ Python ကိုအတွက် programming ကွန်ပျူတာတက္ကသိုလ် Vision ၏

ရုပ်ပုံသို့မဟုတ်ရုပ်ပုံများတွင်ဖော်ပြပါရှိသည်ဘာကိုနားလည်သဘောပေါက်ရန်ကွန်ပျူတာသင်ပေးဖို့ဘယ်လိုနေသလဲ? ဒါဟာရိုးရှင်းတဲ့ပုံရသည်, ဒါပေမယ့်ကွန်ပျူတာများအတွက်ဤသူသည်သင်တို့အရေးကြီးသောသတင်းအချက်အလက်များ extract ချင်ရာမှသုညနှင့်သူတို့၏အပါဝင်သည်ဟုရုံ matrix ဖြစ်ပါတယ်။

ကွန်ပျူတာရူပါရုံကိုကဘာလဲ? ဒါဟာသင့်ကွန်ပျူတာကို "မွငျ" စွမ်းရည်ဖြစ်ပါသည်

Vision ၏ - ကသုံးပြီးလူတဦးအဘို့အအချက်အလက်များ၏အရေးပါသောအရင်းအမြစ်တစ်ခုဖြစ်သည်, ငါတို့ရှိသမျှသည်သတင်းအချက်အလက်များ၏ 70 မှ 90% ကနေအမျိုးမျိုးသောခန့်မှန်းချက်အရသိရသည်ရရှိရန်။ ကျွန်တော်တစ်ဦးစမတ်ကားကိုဖန်တီးချင်လျှင်, သင်တန်း၏, ကျနော်တို့အတူတူကျွမ်းကျင်မှုနှင့်ကွန်ပျူတာအကောင်အထည်ဖေါ်ဖို့လိုပါတယ်။

ကွန်ပျူတာဗျာဒိတ်ရူပါရုံပြဿနာကိုအတော်လေးရှင်းရှင်းလင်းလင်းဖော်ပြထားနိုင်ပါသည်။ "ကိုကြည့်ပါ" ဆိုတာဘာလဲ? ဒါဟာကြည့်ခြင်းအားဖြင့်ရှိပါတယ်ဘယ်မှာနားလည်သည်။ ဒါကကွန်ပျူတာရူပါရုံကိုနှင့်လူ့ဗျာဒိတ်ရူပါရုံခြားနားချက်များကောက်ချက်ချခဲ့ကြသည်။ ငါတို့အဘို့အ Vision ၏ - သည်အကွာအဝေးနှင့်အရွယ်အစားကိုနားလည်သဘောပေါက်ရန်စွမ်းရည်ကြောင်း - ကကမ္ဘာကြီးအကြောင်းကိုအသိပညာ၏ရင်းမြစ်အဖြစ်မက်ထရစ်အချက်အလက်များ၏အရင်းအမြစ်ဖြစ်ပါတယ်။

semantic kernel ကိုပုံရိပ်

ပုံကိုကြည့်, ငါတို့ semantic သတင်းအချက်အလက် extract မှ, ဒါကြောင့်ပြောဆိုရန်, attribute တွေတစ်ဦးကိုအရေအတွက်အားဖြင့်ပြုလုပ်ဖော်ပြရန်နိုင်ပါတယ်။

ဥပမာ, ဒီရုပ်ပုံလွှာကိုကြည့်, ငါတို့ကအပြင်မှာကြောင်းပြောနိုင်ပါသည်။ တမြို့လုံးအသွားအလာကဘာလဲ။ ကားများရှိပါတယ်။ ကြှနျုပျတို့သညျဤအဆောက်အဦးများနှင့်ရုပ်၏ configuration အပေါ်မှာအရှေ့တောင်အာရှကြောင်းခန့်မှန်းနိုင်ပါ။ မော်စီတုန်း၏ပုံတူဒီဘေဂျင်းဖြစ်ပြီး, မည်သူမဆိုတိုက်ရိုက်ဗွီဒီယိုသို့မဟုတ်ကိုယ်တော်တိုင်ရှိခဲ့ညျမွငျလြှငျ, ဤကျော်ကြားတီယန်မင်ရင်ပြင်ကြောင်းခန့်မှန်းမယ်လို့နားလည်ပါတယ်။

ကျွန်တော်ကိုမြင်လျှင်, ရုပ်ပုံအကြောင်းပိုမိုအဘယျသို့ပွောနိုငျသလဲ ကျနော်တို့ကလူကဒီမှာပိုမိုနီးကပ်စွာရှိကွောငျး, ပြော, ပုံသဏ္ဍာန်နှင့်အညီတ္ထုခွဲခြားသတ်မှတ်နိုင်သည် - ခြံစည်းရိုး။ ဤတွင်ထီး, ထိုအဆောက်အဦးရဲ့ပိုစတာ။ ဤရွေ့ကားအတန်း၏ဥပမာများမှာယခုအချိန်တွင်အဘို့အရှာဖွေရေးအတွက်စေ့စပ်ထားတဲ့အလွန်အရေးကြီးပါသည်တ္ထုဖြစ်ပါသည်။

သို့တိုင်ကျွန်တော်အရာဝတ္ထုရဲ့ features တွေကိုသို့မဟုတ် attribute တွေအချို့သင်ယူနိုင်ပါတယ်။ ဥပမာအားဖြင့်, ဒီနေရာမှာကျွန်တော်ဒီသာမန်တရုတ်, အမည်ရ, မော်စီတုန်း၏ပုံတူမဟုတ်ကြောင်းဆုံးဖြတ်ရန်နိုင်ပါတယ်။

ယာဉ်၏အဆိုအရအဆိုပါလှုပ်ရှားမှုကာလအတွင်းပုံပျက်နေသောမဟုတ်ကြောင်း, တကရွေ့လျားအရာဝတ္ထုဖြစ်တယ်, ဒါကြောင့်ခက်ခဲကြောင်းဆုံးဖြတ်နိုင်သည်။ အလံအကြောင်းအဆက်မပြတ်ပုံပျက်နေသောသူတို့သည်လည်းရွေ့လျားနေကြတယ်, ဒါကြောင့် objects ကပြောပါတယ်, ဒါပေမဲ့သူတို့ခက်ခဲမဟုတ်နိုင်ပါသည်။ ထိုအခါမြင်ကွင်းတစ်ခုရှိအလံဖွံ့ဖြိုးဆဲကဆုံးဖြတ်နိုင်သည့်လေတိုက်သည်နှင့်ပင်လေတိုက်၏ညှနျကွားဆုံးဖွတျနိုငျ, ဥပမာ, ကညာဘက်ကိုလက်ဝဲမှမှုတ်သည်။

ကွန်ပျူတာရူပါရုံ၌အဆိုပါအကွာအဝေးနှင့်အရှည်

အလွန်အရေးကြီးသောကွန်ပျူတာရူပါရုံကိုသိပ္ပံ ပတ်သက်. မက်ထရစ်သတင်းအချက်အလက်များသည်။ ဤသည်အကွာအဝေးအမျိုးမျိုးတို့ကိုဖြစ်ပါတယ်။ အဆိုပါအဖွဲ့များသည်ကမ္ဘာမြေကနေအကြောင်းကိုမိနစ် 20 ဖြစ်ကြပြီးသလောက်ဖြေကြားသောကြောင့်, ဥပမာ, Rover များအတွက်အထူးအရေးကြီးပါသည်။ ထို့ကြောင့်ရှိနှင့်ပြန်လင့်ထားသောစာမျက်နှာများ - 40 မိနစ်။ ကျွန်ုပ်တို့သည်ကမ္ဘာမြေ၏လှုပ်ရှားမှုပညတ်တော်တို့ကိုအဘို့အစီအစဉ်တစ်ခုလုပ်လိုလျှင်, သငျသညျအကောငျ့ကိုသို့ဤယူဖို့လိုအပ်ပါတယ်။

အောင်မြင်စွာဗီဒီယိုဂိမ်းအတွက်ကွန်ပျူတာဗျာဒိတ်ရူပါရုံနည်းပညာပေါင်းစည်း။ ဗီဒီယို၏အဆိုအရ, သငျသညျ, လူတွေတ္ထုသုံးခုရှုထောင်မော်ဒယ်များတည်ဆောက်နိုင်ပြီး, အသုံးပြုသူအပေါ်ဓာတ်ပုံများမြို့ကြီးများ၏သုံးရှုထောင်မော်ဒယ်များ restore လုပ်လို့ရပါတယ်။ ပြီးတော့သူတို့အပေါ်မှာသွားလာရကြ၏။

ကွန်ပျူတာရူပါရုံကို - တစ်ဦးမဟုတ်ဘဲကျယ်ပြန့်။ ဒါဟာအနီးကပ်အမျိုးမျိုးသောသည်အခြားသိပ္ပံနှင့်အတူရောယှက်နေသည်။ ကွန်ပျူတာဗျာဒိတ်ရူပါရုံအပိုင်း ဒါဟာသမိုင်း, အ image processing တွင်ဧရိယာဖမ်းယူခြင်းနှင့်တစ်ခါတစ်ရံတွင်ကွန်ပျူတာရူပါရုံကိုသတ်မှတ်ရန်။

analysis, ပုံစံအသိအမှတ်ပြုမှု - သာလွန်ထောက်လှမ်းရေး၏ဖန်တီးမှုမှလမ်းကြောင်းကို

ကျွန်တော်တို့ကိုသီးခြားစီကဤသဘောတရားများကိုဆနျးစစျကွပါစို့။

Image ကိုထုတ်ယူခြင်း - ဤ algorithms ၏ဧရိယာ, အရာအတွက် input ကိုနှင့် output ကိုဖြစ်ပါသည် - ပုံရိပ်နှင့်ကျွန်တော်သူ့ကိုတစ်ခုခုလုပ်ရှိသည်။

image ကိုခွဲခြမ်းစိတ်ဖြာ - နှစ်ခုရှုထောင် image ကိုအတူလုပ်ကိုင်ခြင်းနှင့်ဒီကနေကောက်ချက်လုပ်အပေါ်အာရုံစိုက်ထားတဲ့ကွန်ပျူတာရူပါရုံကို၏ဧရိယာဖြစ်ပါတယ်။

pattern အသိအမှတ်ပြု - virus သယ်ဆောင်၏ပုံစံအတွက် data တွေကိုအသိအမှတ်ပြုထားတဲ့စိတ္တဇသင်္ချာစည်းကမ်း။ သောတံခါးနားမှာဖြစ်ပါသည် - အားနည်းချက်ကိုငါတို့သည်နှင့်အတူလုပ်ဖို့တစ်ခုခုရှိသည်။ အဆိုပါအားနည်းချက်ကိုသည်အဘယ်မှာရှိ, ငါတို့သိရန်အလွန်အရေးကြီးမရှိကြပေ။

Computer ကိုရူပါရုံကို - ကမူလကနှစ်ခုရှုထောင်ပုံရိပ်တွေ၏ဖွဲ့စည်းပုံမှာ restore ဖို့ဖြစ်တယ်။ ယနေ့တွင်ဒီဧရိယာကျယ်ပြန့်ဖြစ်လာခဲ့ပြီး၎င်းသည်ပုံရိပ်ပေါ်အခြေခံပြီး, အောင်ရုပ်ပိုင်းဆိုင်ရာအရာဝတ္ထုအားလုံး၏လက်ခံမှုအဖြစ်အဓိပ္ပာယ်ကောက်ယူနိုင်ပါသည်။ ဆိုလိုသည်ကား ကတာဝန်ဖြစ်ပါတယ် အတုထောက်လှမ်းရေး၏။

တစ်ဦးလုံးဝကွဲပြားခြားနားသောလယ်ပြင်၌ကွန်ပျူတာရူပါရုံကိုနှင့်အတူအပြိုင်ခုနှစ်, geodesy အတွက် photogrammetry ပြောင်းလဲထားပါတယ် - Two-ရှုထောင်ပုံရိပ်တွေအပေါ်တ္ထုများအကြားအကွာအဝေးတစ်ခုတိုင်းတာခြင်း။

စက်ရုပ် "ကိုကြည့်ပါ" နိုငျ

နောက်ဆုံး - ဤစက်ရူပါရုံကိုဖြစ်ပါတယ်။ စက်ရူပါရုံကိုအောက်မှာစက်ရုပ်မှာဗျာဒိတ်ရူပါရုံကိုဆိုလိုသည်။ အချို့ထုတ်လုပ်မှုပြဿနာများ၏ဆုံးဖြတ်ချက်ဖြစ်ပါတယ်။ တဦးတည်းကြီးတွေသိပ္ပံဖြစ်ပါသည် - ကျနော်တို့ကွန်ပျူတာရူပါရုံကိုပြောနိုင်ပါတယ်။ ဒါဟာအခြားသိပ္ပံတစ်စိတ်တစ်ပိုင်းအချို့ပေါင်းစပ်။ ကွန်ပျူတာရူပါရုံကိုမဆိုအထူးသဖြင့်လျှောက်လွှာရရှိသွားတဲ့အခါ, ကစက်ရူပါရုံကိုသို့လှည့်။

Computer ကိုရူပါရုံကိုဒေသလက်တွေ့ကျတဲ့ applications များ၏ဒြပ်ထုရှိပါတယ်။ ဒါဟာထုတ်လုပ်မှု၏အလိုအလျောက်နဲ့ဆက်စပ်နေပါတယ်။ အဆိုပါလုပ်ငန်းများမှာစက်အားဖြင့်လုပ်အားကိုအစားထိုးဖို့ပိုထိရောက်ဖြစ်လာသည်။ စက်အိပ်ပျော်လျက်နေကြသည်မဟုတ်, ပင်ပန်းရပါဘူး, သူမသည် 365 ရက်တစ်နှစ်လုပ်ကိုင်ဖို့ဆန္ဒရှိသည်မမှန်အလုပ်အချိန်ဇယားရှိခဲ့ပါတယ်။ ဒါကြောင့်စက်အလုပ်သုံးပြီးကျွန်တော်တစ်ဦးအခြို့သောအချိန်တွင်တစ်ဦးကိုအာမခံရလဒ်ရနိုင်, ထိုသို့အတော်လေးစိတ်ဝင်စားဖို့ဖြစ်ပါတယ်။ အားလုံးတာဝန်များကိုကွန်ပျူတာရူပါရုံကိုစနစ်များအဘို့ရှင်းလင်းစွာအသုံးပြုမှုရှိသည်။ သာတွက်ချက်မှုအဆင့်တွင်ချက်ချင်းပုံပေါ်ရလဒ်များကိုကြည့်ဖို့ထက်ပိုကောင်းတဲ့အဘယ်အရာကိုမျှလည်းမရှိ။

အတုထောက်လှမ်းရေး၏ကမ္ဘာ၏တံခါးခုံတွင်

Plus အားဧရိယာ - က hard ပဲ! ရူပါရုံကိုတာဝန်ရှိသည်ဦးနှောက်တစ်ဦးကသိသာထင်ရှားသောအစိတ်အပိုင်းတစ်ခုနှင့်သင် "ကိုကြည့်ပါ" ကိုသင့်ကွန်ပျူတာကိုသင်ပေးသည်မှန်လျှင်, အကြောင်း, အပြည့်အဝကိုအသုံးပြုခြင်းကွန်ပျူတာရူပါရုံကိုဖြစ်တယ်, ဒါကြောင့်အပြည့်အဝတုထောက်လှမ်းရေး၏ရည်ရွယ်ချက်များများထဲမှတစ်ခုဖြစ်သည်ဟုယုံကြည်နေသည်။ ကျနော်တို့တစ်ချိန်တည်းမှာအများဆုံးဖွယ်ရှိ, လူ့အဆင့်တွင်ပြဿနာဖြေရှင်းနိုင်လျှင်, ငါတို့သည် AI အများ၏ပြဿနာကိုဖြေရှင်းနိုင်ပါလိမ့်မယ်။ အလွန်ကောင်းသောပါ! သို့မဟုတ်မအလွန်ကောင်းသော, သင်ကြည့်ရှုလျှင်, "Terminator 2" ။

အဘယ်ကြောင့်ရူပါရုံကိုဖြစ်ပါသည် - ကခက်ခဲပါသနည်း တူညီတဲ့အရာဝတ္ထုများ၏ပုံရိပ်ကိုပြင်ပအကြောင်းအချက်များပေါ် မူတည်. ကိုအလွန်အမျိုးမျိုးကွဲပြားနိုင်သည်ကြောင့်ဖြစ်သည်။ လေ့လာရေးမှတ်များ၏အရာဝတ္ထုပေါ် မူတည်. ကွဲပြားခြားနားသောကြည့်ရှုပါ။

ဥပမာအားဖြင့်, တဦးတည်းနှင့်အတူတူပင်ပုံ, ကွဲပြားခြားနားသောထောင့်ကနေယူ။ အဘယ်ပုံအတွက်စိတ်ဝင်စားစရာအကောင်းဆုံးဖြစ်ပါသည်တဦးတည်းမျက်စိနှစ်ခုမျက်စိနှင့်တစ်နှစ်ခွဲဖြစ်နိုင်သည်။ နှင့်ဆက်စပ် (ပန်းချီမျက်စိနှင့်ရှပ်အင်္ကျီများတွင်လူကိုဤပုံလျှင်) အပေါ်မူတည်ပြီးမျက်စိနှစ်ယောက်ထက်ပိုဖြစ်နိုင်သည်။

အဆိုပါကွန်ပျူတာနေဆဲနားမလည်ပါဘူး, ဒါပေမယ့်သူက "ကိုမြင်"

ကခက်ခဲစေသည်နောက်ထပ်အချက်တစ်ချက် - ကအလင်းရောင်ပါပဲ။ ကွဲပြားခြားနားသောအလင်းရောင်နှင့်အတူတူညီမြင်ကွင်းတစ်ခုကွဲပြားခြားနားသောကြည့်ရှုမည်။ အရာဝတ္ထုအရွယ်အစားအမျိုးမျိုးကွဲပြားနိုင်သည်။ ထို့အပွငျမဆိုလူတန်းစားများ၏တ္ထု။ သငျသညျ 2 မီတာသည်သူ၏အမြင့်တစ်ဦးသည်လူအကြောင်းကိုမည်သို့ပွောနိုငျသလဲ အဘယ်အရာကိုမျှ။ လူ့တိုးတက်မှုနှင့် 2.3 မီတာနှင့် 80 စင်တီမီတာဖြစ်နိုင်သည်။ အရာဝတ္ထု၏အခြားအမျိုးအစားများနှင့်အတူအမျှ, သို့သော်, တူညီတဲ့လူတန်းစားများ၏တ္ထုဖြစ်ပါသည်။

အထူးသဖြင့်နထေိုငျတ္ထုမျိုးကွဲအမျိုးမျိုးကိုခံယူ။ ဆံပင်လူများ, အားကစားသမားများ, တိရိစ္ဆာန်များ။ အပြေးမြင်းဓါတ်ပုံတွေကိုကြည့်ပါ, အဘယျသို့၎င်းတို့၏လည်ဆံနှင့်အမြီးနှင့်အတူဖြစ်ပျက်နေသည်ရိုးရှင်းစွာမဖြစ်နိုင်ဘူးဆုံးဖြတ်ရန်။ ပုံတစ်ပုံကိုတစ်ထပ်တ္ထု? သငျသညျကှနျပြူတာ image ကိုတွန်းထုတ်တဲ့လြှငျ, ပင်အာဏာအရှိဆုံးစက်လက်ျာဆုံးဖြတ်ချက်ပေးရအခက်အခဲရှာပါ။

Next ကိုအမြင် - ကအသှငျပွောငျးပါပဲ။ အတော်လေးကျွမ်းကျင်စွာတချို့ကတ္ထု, ပတ်ဝန်းကျင်အဖြစ်ဖြင့် Information တိရိစ္ဆာန်များနှင့်။ ထိုအစက်အပြောက်များနှင့်အရောင်။ မည်သို့ပင်ဆိုစေကာ, ငါတို့မပေးအမြဲအဝေးကပေမယ့်သူတို့ကိုမြင်ရကြ၏။

နောက်ထပ်ပြဿနာ - လှုပ်ရှားမှု။ မသိမမြင်နိုင်သောရွေ့လျားမှုအတွက်အရာဝတ္ထုပုံပျက်သောခံယူ။

အရာဝတ္ထု၏အတော်များများကအလွန် variable ကိုဖြစ်ကြသည်။ ဒီနေရာတွင်ဥပမာ, ကို "ကုလားထိုင်" ၏အရာဝတ္ထုအောက်ကနှစ်ခုဓာတ်ပုံများဖြစ်သည်။

နှင့်ဤပေါ်တွင်သင်ထိုင်နိုင်ပါတယ်။ အလွန်ခက်ခဲသည် - သို့သော်အသွင်သဏ္ဌာန်, အရောင်, ပစ္စည်း, အရာအားလုံး object တစ်ခုဖြစ်ပါတယ် "ကုလားထိုင်" အတွက်ကွဲပြားခြားနားသောအရာတို့ကိုထိုကဲ့သို့သောအကြောင်း, တစ်ဦးစက်သင်ပေးရန်။ ဒါကစိန်ခေါ်မှုဖြစ်ပါတယ်။ ကွန်ပျူတာဗျာဒိတ်ရူပါရုံနည်းလမ်းများပေါင်းစပ်ဖို့ - နားလည်ရန်စက်သင်ပေးခွဲခြမ်းစိတ်ဖြာ, မှနျးဖို့ဖြစ်ပါတယ်။

အမျိုးမျိုးသောပလက်ဖောင်းများတွင်ကွန်ပျူတာဗျာဒိတ်ရူပါရုံပေါင်းစည်းမှု

ကွန်ပျူတာဗျာဒိတ်ရူပါရုံအစုလိုက်အပြုံလိုက်သူပထမဦးဆုံးမျက်နှာ detector ဖန်တီးလာသောအခါ 2001, တွင်ပိုမိုထိုးဖောက်မှစတင်ခဲ့သည်။ Viola, ဂျုံးစ်: ကျနော်တို့ကနှစ်ဦးကိုစာရေးသူဖန်ဆင်းတော်မူ၏။ ဒါဟာစက်သင်ယူမှုနည်းစနစ်များ၏တန်ခိုးသရုပ်ပြထားတဲ့ပထမဦးဆုံးအစာရှောင်ခြင်းနှင့်ယုံကြည်စိတ်ချရသောအလုံအလောက် algorithm ကိုခဲ့သည်။

လူ့မျက်နှာ၏အသိအမှတ်ပြုမှု - အခုတော့ကွန်ပျူတာရူပါရုံကိုအလုံအလောက်သစ်ကိုလက်တွေ့ကျတဲ့ applications များရှိသည်။

ဒါပေမယ့်ရုပ်ရှင်များတွင်အဖြစ်လူကိုအသိအမှတ်ပြုရန် - ကျပန်းထောင့်ကွဲပြားခြားနားအလင်းရောင်အခြေအနေများမှာ - ကမဖြစ်နိုင်ဘူး။ ဒါပေမယ့်ပြဿနာက, ဒါမှမဟုတ်ကွဲပြားခြားနားသောအလင်းရောင်နှင့်အတူတစ်ခုသို့မဟုတ်ကွဲပြားခြားနားသော pose အတွက်ကွဲပြားခြားနားသောလူရဲ့တဦးတည်းကိုဖြေရှင်းနိုင်ခြင်းငှါ, နိုင်ငံကူးလက်မှတ်အတွက်ဓာတ်ပုံရိုက်၌ရှိသကဲ့သို့အလားတူကြောင့်ယုံကြည်စိတ်ချမှုတစ်ခုမြင့်မားတဲ့ဘွဲ့နှင့်အတူဖြစ်နိုင်ပါတယ်။

မျက်နှာကိုအသိအမှတ်ပြုမှု algorithms ၏အင်္ဂါရပ်မှအကြီးအကျယ်ကြောင့်နိုင်ငံကူးလက်မှတ်ဓာတ်ပုံကိုလိုအပ်ချက်များကို။

သင်တစ်ဦး biometric နိုင်ငံကူးလက်မှတ်ရှိပါကဥပမာ, အချို့ခေတ်သစ်လေဆိပ်အတွက်သင်အလိုအလျှောက်နိုင်ငံကူးလက်မှတ်ထိန်းချုပ်မှုစနစ်အားကိုသုံးနိုင်သည်။

ကွန်ပျူတာဗျာဒိတ်ရူပါရုံ Unsolved ပြဿနာ - ဆိုစာသားကိုအသိအမှတ်ပြုရန်နိုင်စွမ်း

ဒီတစ်ခါလည်းတစ်စုံတစ်ဦးကို OCR system ကိုအသုံးပြုခဲ့သည်။ ဤအရာတစ်ခုမှာ - တစ် Fine Reader ကို, RuNet သည့်စနစ်အတွက်အလွန်ရေပန်းစားသည်။ သငျသညျဒေတာအတွက်ဖြည့်ပါဘယ်မှာပုံစံအမျိုးမျိုးရှိပါတယ်သူတို့ဿုံ scan ဖတ်နေကြတယ်, သတင်းအချက်အလက်များအလွန်ကောင်းစွာစနစ်ကအသိအမှတ်ပြုသည်။ ဒါပေမဲ့ပုံထဲမှာဆိုစာသားကိုနှင့်အတူအခြေအနေကအများကြီးပိုဆိုးသည်။ ဤပြဿနာကိုနေဆဲ unsolved နေဆဲဖြစ်သည်။

ကွန်ပျူတာရူပါရုံကို, ရွေ့လျားမှုဖမ်းယူပါဝင်သောအားကစားပြိုင်ပွဲ

သီးခြားကြီးမားသောဧရိယာ - သုံးရှုထောင်မော်ဒယ်များနှင့် (အတော်လေးအောင်မြင်စွာကွန်ပျူတာဂိမ်းများတွင်အကောင်အထည်ဖေါ်သော) ရွေ့လျားမှုဖမ်းယူ၏ဖန်တီးမှုဖြစ်ပါတယ်။ ကွန်ပျူတာရူပါရုံကိုအသုံးပြုပထမဦးဆုံးအစီအစဉ် - အမူအရာကို အသုံးပြု. ကွန်ပျူတာနှင့်အတူအပြန်အလှန်တစ်ဦးစနစ်။ ကဖန်တီးခဲ့သည့်အခါသူကပွင့်လင်းသောအရာတို့ကိုအများကြီးဖြစ်ခဲ့သည်။

အဆိုပါ algorithm ကိုအတော်လေးရိုးရှင်းစွာဒီဇိုင်းပြုလုပ်ပေမယ့်တစ်ဦးသန်းဓါတ်ပုံတွေကိုရဖို့လူမျိုး၏ဒြပ်ပုံရိပ်တွေတစ်မီးစက်ကိုဖန်တီးရန်ယူပြီးမှ configure ရန်။ အခုသူကောင်းစွာအလုပ်လုပ်တယ်ရာများအတွက် algorithm ကို၏ parameters တွေကိုရွေးချယ်ဖို့သူတို့နှင့်အတူစူပါ။

တ Processor ကို၏စွမ်းရည်၏ 12% စားသုံးခြင်းနှင့်ပုဂ္ဂိုလ်တစ်ဦးကိုမှန်ကန်အချိန်အတွက်အနေအထားကိုရိပ်မိဖို့ခွင့်ပြုထားတဲ့ algorithm ကိုဖန်တီးရန်သန်း images နဲ့တတ်နိုင်သမျှရက်သတ္တပတ် countable စူပါအချိန်ပါပဲ။ ဒါဟာ Microsoft က Kinect က system ကို (2010) ။

အကြောင်းအရာအားဖြင့်ရုပ်ပုံများကိုရှာရန်သင်စနစ်ဓာတ်ပုံများ upload တင်ခွင့်ပြု, ထိုသို့၏ရလဒ်များကိုတူညီတဲ့အကြောင်းအရာနှင့်ရှိသမျှသောရုပ်ပုံများကိုပေးနှင့်အတူတူပင်ထောင့်ကနေဖန်ဆင်းတော်ပါလိမ့်မယ်။

ကွန်ပျူတာဗျာဒိတ်ရူပါရုံဥပမာ: သုံးဖက်မြင်ခြင်းနှင့် Two-ရှုထောင်မြေပုံများအားယခုကလုပ်လျက်ရှိသည်။ အညွှန်းကားများအဘို့ Maps ကိုမှန်မှန် DVR အဆိုအရ updated နေကြသည်။

ပထဝီအချက်ဓါတ်ပုံပေါင်းများစွာနှင့်တစ်ဦးဒေတာဘေ့စရှိပါသည်။ အဆိုပါဒေတာဘေ့စရှိအရုပ်ပုံဒေါင်းလုပ်ခြင်းအားဖြင့်, သင်ကဖန်ဆင်းခဲ့သည်ဘယ်မှာဆုံးဖြတ်ရန်နှင့်ပင်အချို့သောရှုထောင့်နှင့်အတူနိုင်ပါတယ်။ ဟုတ်ပါတယ်, အရပျတစျခုအချိန်မှာခရီးသွားဧည့်ကြောင်းအလုံအလောက်လူကြိုက်များကြောင်းပေးအပ်နှင့်ဧရိယာ၏ဓါတ်ပုံများ၏နံပါတ်တှေရှိခဲ့တယျဖန်ဆင်းတော်မူ၏။

စက်ရုပ်နေရာတိုင်းများမှာ

မည်သည့်လမ်းထဲမှာမရှိဘဲနေရာတိုင်းပစ္စုပ္ပန်အချိန်ကစက်ရုပ်, ။ အခုဆိုရင် (ဒီကွန်ပျူတာပရိုဂရမ်မြင်နိုင်ရန်လမ်းထဲမှာ, မော်တော်ဆိုင်ကယ်ကူညီပေးသည်) ကိုယာဉ်မောင်းမှပညတ်တော်တို့ကိုထုတ်လွှင့်ဖို့လမ်းသွားလမ်းလာများနှင့်လမ်းအရိပ်လက္ခဏာကိုအသိအမှတ်မပြုကြောင်းအထူးကင်မရာများရှိသည်သောမော်တော်ယာဉ်များရှိပါတယ်။ ထိုအရပ်၌တစ်ဦးအပြည့်အဝအလိုအလျောက်စက်ရုပ်ယာဉ်များဖြစ်ပါသည်, ဒါပေမဲ့သူတို့ကအပိုဆောင်းအချက်အလက်များ၏ပမာဏကြီးမားတဲ့၏အသုံးပြုမှုကိုမပါဘဲဗီဒီယိုကင်မရာ system ပေါ်တွင်တစ်ခုတည်းကိုသာအားကိုးလို့မရပါဘူး။

မော်ဒန်ကင်မရာ - ဒီတစ်ခု analogue ကင်မရာနေပြီး Obscura ဖြစ်ပါသည်

ရဲ့ဒစ်ဂျစ်တယ်ပုံရိပ်အကြောင်းပြောဆိုကြကုန်အံ့။ ခေတ်သစ်ဒီဂျစ်တယ်ကင်မရာများကင်မရာနေပြီး Obscura ၏နိယာမအပေါ်စီစဉ်ပေးနေကြသည်။ အစားအလင်းရောင်ခြည်ထဲသို့ဝင်နှင့်ဘာသာရပ်ဆားကစ်၏အခနျး၏နောက်ကျောသည်မြို့ရိုးပေါ်သို့ projected ရာကနေတဆင့်အပေါက်ကသာကျနော်တို့အထူး optical စနစ်မှန်ဘီလူးကိုခေါ်ရှိသည်။ ၎င်း၏အရာဝတ္ထုကြီးတစ်ခုအလင်းရောင်ခြည်စုဆောင်းနှင့်စီမံကိန်းရရှိရန်နှင့်ရုပ်ရှင်သို့မဟုတ် matrix ကိုတခုတခုအပေါ်မှာ image ကိုဖွဲ့စည်းနိုင်ရန်အတွက်တစ်ဦးကို virtual အမှတ်ရှောက်သွားအပေါငျးတို့သရောင်ခြည်ကြောင့်ဒါကြောင့်ပြောင်းဖို့ဖြစ်ပါတယ်။

ခေတ်သစ်ဒီဂျစ်တယ်ကင်မရာများ (matrix) တစ်ဦးချင်းစီဒြပ်စင်များ၏ဖွဲ့စည်းထားပါသည် - pixels ကို။ တစ်ခုချင်းစီကို pixel ကတော့ pixel စုစုပေါင်းအပေါ်အဖြစ်အပျက်ဖြစ်သောအလင်း၏စွမ်းအင်ကိုတိုင်းတာနှင့်တဦးတည်း output ကိုအရေအတွက်ကိုထုတ်ပေးနိုင်ပါတယ်။ ကွန်ပျူတာ - ထိုကြောင့်, ဒစ်ဂျစ်တယ်ကင်မရာထဲမှာကျနော်တို့တစ်ခုတည်း pixel အတွက်ဖမ်းမိအလင်းတိုင်းတာသတ်မှတ်ပုံရိပ်အရောင်အဝါ, အစားရ ရှုထောလယ်ကွင်း။ ထို့ကြောင့်အခါငါတို့မြင်ပုံသဏ်ဌာနျလိုင်းများနှင့်ရှင်းရှင်းလင်းလင်းကောက်ကြောင်းစီးနှင့်ကွဲပြားခြားနားသောအရောင်များအတွက်ရောင်စုံရင်ပြင်တစ်ဇယားကွက်သည်မဟုတ် - pixels ကို။

သငျသညျကမ်ဘာပျေါတှငျပထမဆုံးဒီဂျစ်တယ်ပုံရိပ်ကိုတွေ့မြင်အောက်တွင်။

ဒါပေမဲ့ဒီပုံထဲမှာမဟုတ်လော အရောင်။ အရောင်ကဘာလဲ?

အရောင်၏စိတ်ပိုင်းဆိုင်ရာအမြင်

အရောင် - ဤငါတို့မြင်အရာဖြစ်တယ်။ တ၏အရောင်နှင့်လူသားများနှင့်ကြောင်များအတွက်တူညီသောအရာကွဲပြားခြားနားကြလိမ့်မည်။ ထိုရူပါရုံကွဲပြားခြားနားသည် - ငါတို့သည် (လူသားမြားသ) နှင့်တိရိစ္ဆာန် optical system ကိုကတည်းက။ ဒါကြောင့်အရောင် - က္ထုနှင့်အလင်းစောင့်ကြည့်သည့်အခါဖြစ်ပေါ်သောငါတို့ဗျာဒိတ်ရူပါရုံစိတ်ပိုင်းဆိုင်ရာအရည်အသွေးမြင့်ပါပဲ။ ထိုမျှမကယင်းအရာဝတ္ထုနှင့်အလင်း၏ရုပ်ပိုင်းဆိုင်ရာပိုင်ဆိုင်မှု။ အရောင် - အလင်းအစိတ်အပိုင်းများများ၏အပြန်အလှန်၏ရလဒ်ဖြစ်ပါသည်, နှင့်ကျွန်ုပ်တို့၏အမြင်အာရုံစနစ်၏မြင်ကွင်းတစ်ခု။

စာကြည့်တိုက်ကို အသုံးပြု. Python ကိုအတွက် programming ကွန်ပျူတာတက္ကသိုလ် Vision ၏

သငျသညျကွန်ပျူတာဗျာဒိတ်ရူပါရုံလေ့လာမှုအတွက်အလေးအနက်ထားထိတွေ့ဆက်ဆံဖို့ဆုံးဖြတ်လိုက်ကြပြီဆိုပါကချက်ချင်းအခက်အခဲများစွာအတွက်ကြိုတင်ပြင်ဆင်သင့်တယ်, ဒီသိပ္ပံအလွယ်ကူဆုံးမဟုတ်ပါဘူးနှင့်ထောငျခြောတဲ့အရေအတွက်ကဖွက်ထားပေးသည်။ သို့သော် "ဟုအဆိုပါ Python ကိုအပေါ် Programming ကွန်ပျူတာတက္ကသိုလ် Vision ၏" ဇန်နဝါရီ Erik Solema ၏ရေးသားခဲ့သော - အားလုံးအရှိဆုံးရိုးရှင်းတဲ့ဘာသာစကားဖော်ပြထားပါတယ်တဲ့စာအုပ်။ ဒီနေရာတွင် 3D အတွက်အမျိုးမျိုးသောအရာဝတ္ထုများ၏အသိအမှတ်ပြုမှု၏နည်းလမ်းများနှင့်အတူခင်မင်သိကျွမ်းရလိမ့်မည်ဟုစတီရီယိုပုံရိပ်, virtual reality နှင့်ကွန်ပျူတာဗျာဒိတ်ရူပါရုံများစွာသောအခြား application များနှင့်အတူအလုပ်လုပ်ရန်သင်ယူကြသည်။ ကမျြးစာ၌ Python ကိုအလုံအလောက်ဥပမာဖြစ်ကြသည်။ အလွန်အကျွံသုတေသနနှင့်ခက်ခဲဒေတာဝန်မှမသကဲ့သို့ဒါပေမယ့်ရှင်းလင်းချက်, တင်ပြကြသည်ဒါကြောင့်စကားပြောဆိုရန်, ယေဘူယျ။ ကျောင်းသားများ, အပျော်တမ်းနှင့်နိူးများအတွက်သင့်လျော်သောအလုပ်လုပ်ကြသည်။ ဤစာအုပ်ကို Download လုပ်နှင့်ကွန်ပျူတာရူပါရုံကိုပါ (pdf-ပုံစံ) အကြောင်းတခြားသူတွေကွန်ယက်အတွက်ဖြစ်နိုင်ပါတယ်။

ယခုအချိန်တွင်, ကွန်ပျူတာရူပါရုံကို algorithms များပွင့်လင်းအရင်းအမြစ်စာကြည့်တိုက်များနှင့် image processing တွင်နှင့်ဂဏန်း algorithms OpenCV ရှိပါတယ်။ ဒါဟာပွင့်လင်းအရင်းအမြစ်ဖြစ်ပါသည်, အများဆုံးခေတ်သစ်ပရိုဂရမ်းမင်းဘာသာစကားများအပေါ်အကောင်အထည်ဖော်ဆောင်ရွက်နေပါသည်။ ကျွန်တော်တို့ဟာကွန်ပျူတာရူပါရုံကိုအကြောင်းပြောဆိုပါလျှင်, Python ကိုတစ်ဦးပရိုဂရမ်းမင်းဘာသာစကားအဖြစ်အသုံးပြုပါကလည်းစာကြည့်တိုက်၏ပံ့ပိုးမှုရှိပါတယ်, အပြင်, ကအဆက်မပြတ်ဖြစ်ပေါ်နေသောနှင့်တစ်ဦးအကြီးအအသိုင်းအဝိုင်းရှိပြီးဖြစ်ပါတယ်။

အဆိုပါကုမ္ပဏီ "Microsoft က" က၎င်း၏ဝန်ဆောင်မှုများသည် Api-နိုင်ခဲ့လူများ၏ရုပ်ပုံများကိုအတူကအလုပ်မလုပ်ဖို့အာရုံကြောကွန်ယက်ကိုလေ့ကျင့်ပေးဖို့ပေးပါသည်။ ကွန်ပျူတာရူပါရုံကိုလျှောက်ထားရန်အခွင့်အလမ်း Python ကိုတစ်ဦးပရိုဂရမ်းမင်းဘာသာစကားအဖြစ်အသုံးပြုသည်ကိုလည်းရှိပါသည်။