Metody g¿¿bokiego uczenia si¿ w procesach przetwarzania obrazu

G¿¿bokie uczenie zasadniczo przeksztäci¿o przetwarzanie obrazu z r¿cznie tworzonych potoków algorytmicznych w kompleksowe systemy ucz¿ce si¿, zdolne do przewy¿szania ludzkiej wydajno¿ci w zadaniach klasyfikacji, wykrywania, segmentacji, generowania i przywracania. Konwolucyjne sieci neuronowe zast¿puj¿ istniej¿ce od dziesi¿cioleci filtrowanie, progowanie i in¿ynieri¿ cech hierarchicznymi ekstraktorami cech ucz¿cymi si¿ bezpo¿rednio z surowych pikseli za pomoc¿ milionów sparametryzowanych filtrów wyszkolonych poprzez zej¿cie gradientowe.Ta zmiana paradygmatu eliminuje kruche architektury kaskadowe, w których awaria wykrywania kraw¿dzi rozprzestrzenia si¿ poprzez g¿osowanie Hougha do upadku ¿ledzenia, zast¿puj¿c sekwencyjne tryby awarii solidnym holistycznym zrozumieniem wy¿aniaj¿cym si¿ z treningu statystycznego. Nowoczesne transformatory wizyjne rozszerzaj¿ podstawy konwolucyjne poprzez globalne mechanizmy samouwagi modeluj¿ce zale¿no¿ci przestrzenne dalekiego zasi¿gu, nieobecne w czysto lokalnych polach recepcyjnych.

Pagina's: 208, Paperback, Wydawnictwo Nasza Wiedza