Nilalaman
T:
Bakit mahalaga ang napakaraming bilang ng mga file ng imahe sa maraming mga proyekto sa pag-aaral ng machine?
A:
Para sa mga kumpanya na naghahanap upang makisali sa kanilang unang mga pag-aaral ng pag-aaral ng makina (ML), ang buong proseso ay maaaring tila isang maliit na misteryo at esoteric. Para sa maraming mga tao, talagang mahirap mailarawan kung paano gumagana ang pagkatuto ng makina, at kung ano mismo ang gagawin nito para sa isang negosyo.
Sa ilang mga kaso, ang isang tao na nag-aaral ng pag-aaral ng makina ay maaaring magkaroon ng isang epiphany kapag isinasaalang-alang nila kung bakit ang malaking bilang ng mga file ng imahe, na nakolekta sa masinop na mga lalagyan, ay napakahalaga para sa mga proyekto sa ML. Thats dahil ang konsepto ng "image file" ay nakakatulong upang mailarawan ang ML. Ang pag-iisip tungkol dito ay nagbibigay-daan sa amin upang maunawaan ang higit pa tungkol sa kung paano ang mga uri ng teknolohiyang ito ay mailalapat sa aming mundo sa lalong madaling panahon.
Ang maikling sagot ay ang mga malalaking bilang ng mga file ng imahe ay mahalaga sa pag-aaral ng makina dahil kumakatawan sa mga set ng pagsasanay - mga hanay ng paunang data na dapat gawin ng computer habang natututo ito. Ngunit may kaunti pa kaysa rito. Bakit napakahalaga ng mga imahe?
Ang isang dahilan na ang mga imahe ay napakahalaga ay ang mga siyentipiko ay gumawa ng maraming pag-unlad sa pagproseso ng imahe. Ngunit lampas doon, gumawa din sila ng pag-unlad sa pagtulong sa mga makina upang makilala ang mga kinita batay sa kung ano ang nasa isang larawan.
Halimbawa, ang sinumang nakarinig tungkol sa malalim na matigas ang ulo na mga network na may parehong generative at discriminative engine ay naiintindihan ang kaunti tungkol sa kung paano mabasa at maunawaan ng mga computer ang visual data at mga imahe. Hindi nila binabasa ang mga pixel tulad ng dati nilang ginagawa - talagang "nakikita" nila ang imahe at pagkilala sa mga sangkap. Halimbawa, isipin ang pagkilala sa mukha - natututo ng computer kung ano ang hitsura mo, at kinikilala ka sa mga larawan - pati na rin ang mga nasa paligid mo. Ito ay madalas na nagagawa sa pamamagitan ng pagsasama-sama ng maraming mga imahe at pagsasanay ng iterative na bumubuo ng batayan para sa isang proyekto sa pag-aaral ng machine.
Kapag natukoy ng mga stakeholder ang isang plano at konsepto, at lumabas at nakolekta ang lahat ng mga imahe na may kaugnayan, at ilagay ang mga ito sa algorithm ng pag-aaral ng machine, maaari nilang magamit ang napakalawak na kapangyarihan ng artipisyal na intelihensiya upang magpatakbo ng mga proseso ng negosyo.
Ang isang kumpanya ay maaaring isang taong gumagala sa web papunta sa internet na naghahanap ng mga larawan na maaaring naglalaman ng isang partikular na customer, upang makabuo ng isang file na nagpapakita na ang pagkakakilanlan ng mga customer at ang kanyang mga kagustuhan at tendensya. Maaaring gamitin ng kumpanya ang impormasyong ito upang i-automate ang direktang mail o iba pang direktang marketing. Kapag sinimulan mo ang pag-iisip tungkol dito, madali itong makita kung paano ang proseso ng pagkilala at pagkakakilanlan ng imahe ay maaaring nakatali sa lahat ng uri ng pag-andar na hahayaan ang mga computer na gawin ang maraming mga bagay na ginagamit ng tao para sa lahat ng ang naitala nating kasaysayan. Ang pagkuha ng halimbawa ng pananaliksik ng customer, kasama ang mga nabanggit na uri ng mga pag-setup, ang mga tao ay hindi kailangang kasangkot sa lahat: ang computer ay maaaring "lumabas sa web" at maiulat muli sa mga may-ari nito o ang may-ari ng data.
Para sa sinuman na kasangkot sa paglibot sa malalim na tubig ng pag-aaral ng makina, ang pag-unawa sa konsepto ng pagmimina ng data ng masa ng imahe ay nagbibigay ng isang mahusay na unang hakbang sa isang mapa ng kalsada upang magamit ang kapangyarihan ng pagkatuto ng makina at pag-uunawa kung paano gamitin ito upang makinabang ang isang negosyo.