99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁大數(shù)據(jù)時(shí)代從貓狗不分到實(shí)時(shí)識別準(zhǔn)確率超99%,計(jì)算機(jī)圖像是如何做到的?
從貓狗不分到實(shí)時(shí)識別準(zhǔn)確率超99%,計(jì)算機(jī)圖像是如何做到的?
2021-03-01
收藏

CDA數(shù)據(jù)分析師 出品

編譯:Mika

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

【導(dǎo)讀】

十年前,研究人員認(rèn)為讓計(jì)算機(jī)來區(qū)分貓和狗幾乎是不可能的。如今,計(jì)算機(jī)視覺識別的準(zhǔn)確率已超過99%。Joseph Redmon通過一個(gè)叫YOLO的開源目標(biāo)檢測方法,可以迅速識別圖像和視頻中的目標(biāo)。

10年前,計(jì)算機(jī)視覺研究者認(rèn)為,要讓一臺電腦去分辨出一只貓和狗的不同之處,這幾乎是不可能的,即便是在當(dāng)時(shí)人工智能已經(jīng)取得了重大突破的情況下。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

Joseph Redmon家養(yǎng)的貓

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

Joseph Redmon家養(yǎng)的狗

但如今我們已經(jīng)可以做到讓它的正確率在99%以上。這個(gè)方法叫做圖像分類,給它一張圖,再給這張圖貼上標(biāo)簽。通過這種方式,計(jì)算機(jī)就可以知道數(shù)千種的分類。

我是華盛頓大學(xué)的一名研究生,我正致力于一個(gè)名叫Darknet的項(xiàng)目,這是一個(gè)用來訓(xùn)練和測試計(jì)算機(jī)視覺模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

Joseph Redmon所進(jìn)行的Darknet項(xiàng)目

讓我們來看看Darknet是如何看待這張圖片。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

當(dāng)我們在這張圖片上運(yùn)行識別器時(shí),我們注意到,它不僅能判斷出圖片上是貓是狗,還能給出它是哪個(gè)品種的預(yù)測。這就是我們目前所達(dá)到的粒度級別。

它的預(yù)測是正確的,我的狗的確是一只阿拉斯加雪橇犬。

很明顯,我們在圖像識別上取得了驚人的進(jìn)步。但是如果我們對這樣一張圖片運(yùn)行識別器,會如何呢?

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

看一下,我們看到識別器給出了一個(gè)非常相似的預(yù)測。而且是正確的,圖中是有一只阿拉斯加雪橇犬。但只使用這一個(gè)標(biāo)簽,我們并不能真正的了解這張圖片,我們需要更強(qiáng)大的檢測器。

我正在研究一個(gè)叫做目標(biāo)檢測的問題,也就是嘗試將一張圖上的所有目標(biāo)物都找出來,然后將它們分別框起來,再加上標(biāo)注。

這就是我們對這張照片運(yùn)行檢測器時(shí)所發(fā)生的?;谶@樣的結(jié)果,我們可以用計(jì)算機(jī)視覺算法做更多的事情。

我們發(fā)現(xiàn),它知道這里有一只貓和一只狗。知道它們的相對位置,它們的大小,甚至還知道一些額外的信息,例如背景里有一本書。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

如果你想建立一個(gè)基于計(jì)算機(jī)視覺的系統(tǒng),比如說無人駕駛汽車或者機(jī)器人系統(tǒng),這就是你想要得到的信息。你需要一個(gè)能與物質(zhì)世界互動(dòng)的系統(tǒng)。

速度對于目標(biāo)檢測至關(guān)重要

當(dāng)我最開始開展目標(biāo)檢測項(xiàng)目時(shí),它要花20秒去處理一張圖片。

為了理解為什么速度在這個(gè)領(lǐng)域是如此重要。舉一個(gè)例子,這是一個(gè)2秒鐘就能處理一張圖片的檢測器。這個(gè)檢測器的速度要比處理每張圖需要20秒的檢測器快10倍??梢钥吹皆谒龀鲱A(yù)測的時(shí)候,被檢測的世界已經(jīng)發(fā)生變化了。這對于一個(gè)應(yīng)用來說是沒有多大用處的。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

每2秒處理一張圖

如果我們將它的速度再提升10倍,這個(gè)檢測器每秒可處理5張畫面,這就好很多了。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

每秒處理5張圖

但是,舉個(gè)例子。如果有任何重大的移動(dòng),它就反應(yīng)不過來了。我可不想讓這樣的一個(gè)系統(tǒng)來駕駛我的汽車。

這是在我電腦上運(yùn)行的實(shí)時(shí)檢測系統(tǒng)。當(dāng)我在移動(dòng)時(shí),它能順利地追蹤我。而且它強(qiáng)大到能適應(yīng)不同的物體大小、姿勢、向前、向后的改變,很了不起。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

實(shí)時(shí)檢測系統(tǒng)

如果我們想要建造一個(gè)基于計(jì)算機(jī)視覺的系統(tǒng),那么這就是我們真正需要的。

僅僅是幾年的時(shí)間,我們就從每張圖20秒提升到了每張圖20毫秒,速度提高了1000倍。我們是如何做到的呢?

目標(biāo)檢測將圖片分成小區(qū)域進(jìn)行識別

過去,目標(biāo)檢測系統(tǒng)會將這張圖片分成很多小區(qū)域,然后在每一塊區(qū)域運(yùn)行一下識別器。在識別器中獲得最高分?jǐn)?shù)的輸出就會被認(rèn)為是這張圖片的檢測結(jié)果。這涉及到要在一張圖片上運(yùn)行數(shù)千次識別器,以及數(shù)千次的神經(jīng)網(wǎng)絡(luò)評估才能獲得檢測結(jié)果。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

而現(xiàn)在,我們訓(xùn)練了可以做出所有檢測的單一網(wǎng)絡(luò),它能同時(shí)生成邊界盒和類別概率。

使用我們的系統(tǒng),不需要為了生成檢測結(jié)果去重復(fù)上千數(shù)次地看同一張圖片,只看一次就行了。這也是為什么我們稱之為,目標(biāo)檢測的"YOLO(you only look once)法"(只看一次)。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

有了這個(gè)速度,我們就不僅限于識別圖像了,還可以實(shí)時(shí)處理視頻?,F(xiàn)在我們不僅看到了貓和狗,還能看到它們走來走去,互相嘻戲。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

這是一個(gè)我們在微軟的COCO數(shù)據(jù)庫上,用80種不同種類的物品訓(xùn)練過的檢測器。包含了各種東西,像勺子、叉子、碗等常見物品。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

還有各種奇特的東西,動(dòng)物、汽車、斑馬、長頸鹿。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

現(xiàn)在我們要做點(diǎn)兒有趣的事情,我們的攝像頭將要對準(zhǔn)觀眾區(qū)看看能檢測出什么。

我們把檢測閥值調(diào)低一點(diǎn),這樣就可以找出更多的觀眾。看下我們能不能找出這些停車標(biāo)志,我們發(fā)現(xiàn)了一些背包。所有這些都是在電腦上實(shí)時(shí)處理的。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

請大家記住,這是一個(gè)通用的目標(biāo)檢測系統(tǒng)。因此我們可以將它訓(xùn)練用于任何領(lǐng)域的圖像識別。

拓展到自動(dòng)駕駛汽車、機(jī)器人甚至癌癥檢測等應(yīng)用領(lǐng)域

我們在無人駕駛汽車中,用來發(fā)現(xiàn)停車標(biāo)志 行人和自行車的代碼,同樣可以用于在組織活檢中找出癌細(xì)胞。全球已經(jīng)有很多研究者正在利用這一技術(shù)在醫(yī)學(xué)、機(jī)器人學(xué)等方面取得了進(jìn)展。

今天早上,我剛讀到一篇文章,人們在內(nèi)羅畢國家公園對動(dòng)物數(shù)量進(jìn)行普查,使用了YOLO作為檢測系統(tǒng)的一部分。因?yàn)镈arknet是一個(gè)開源項(xiàng)目,在公共領(lǐng)域任何人都可以免費(fèi)使用。

但是我們想要讓檢測器能被更多人使用,也更好用因此通過結(jié)合模型優(yōu)化,網(wǎng)絡(luò)二值化和近似法,我們實(shí)際上已經(jīng)可以在手機(jī)上進(jìn)行目標(biāo)檢測了。

從貓狗不分到實(shí)時(shí)識別<a href='/map/zhunquelv/' style='color:#000;font-size:inherit;'>準(zhǔn)確率</a>超99%,計(jì)算機(jī)圖像是如何做到的?

我真的很激動(dòng),因?yàn)槲覀冊诔跫?a href='/map/jisuanjishijue/' style='color:#000;font-size:inherit;'>計(jì)算機(jī)視覺問題上有了強(qiáng)大的解決方案,同時(shí)任何人都可以使用它來做些什么。

接下來就看所有在座的各位,以及世界上所有能夠使用這個(gè)軟件的人了。我已經(jīng)等不及想要看看,人們會用這一技術(shù)創(chuàng)造出什么來了,謝謝大家。

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }