Lernen geometrischer Merkmale: Visuelle Einblicke durch das Lernen geometrischer Merkmale erschließen

· Computer Vision [German] āŠŠāŦāŠļāŦāŠĪāŠ• 89 · One Billion Knowledgeable
āŠ‡-āŠŠāŦāŠļāŦāŠĪāŠ•
137
āŠŠāŦ‡āŠœ
āŠŠāŠūāŠĪāŦāŠ°
āŠ°āŦ‡āŠŸāŠŋāŠ‚āŠ— āŠ…āŠĻāŦ‡ āŠ°āŠŋāŠĩāŦāŠŊāŦ‚ āŠšāŠ•āŠūāŠļāŦ‡āŠēāŠū āŠĻāŠĨāŦ€Â āŠĩāŠ§āŦ āŠœāŠūāŠĢāŦ‹

āŠ† āŠ‡-āŠŠāŦāŠļāŦāŠĪāŠ• āŠĩāŠŋāŠķāŦ‡

Was ist das Lernen geometrischer Merkmale

Das Lernen geometrischer Merkmale ist eine Technik, die maschinelles Lernen und Computer Vision kombiniert, um visuelle Aufgaben zu lÃķsen. Das Hauptziel dieser Methode besteht darin, eine Reihe reprÃĪsentativer Merkmale einer geometrischen Form zur Darstellung eines Objekts zu finden, indem geometrische Merkmale aus Bildern gesammelt und mithilfe effizienter Methoden des maschinellen Lernens erlernt werden. Menschen lÃķsen visuelle Aufgaben und kÃķnnen schnell auf die Umgebung reagieren, indem sie Wahrnehmungsinformationen aus dem, was sie sehen, extrahieren. Forscher simulieren die FÃĪhigkeit des Menschen, Objekte zu erkennen, um Computer-Vision-Probleme zu lÃķsen. Beispielsweise wandten M. Mata et al. (2002) Feature-Learning-Techniken auf die Navigationsaufgaben mobiler Roboter an, um Hindernissen auszuweichen. Sie nutzten genetische Algorithmen zum Erlernen von Merkmalen und zum Erkennen von Objekten (Figuren). Lernmethoden fÞr geometrische Merkmale kÃķnnen nicht nur Erkennungsprobleme lÃķsen, sondern auch nachfolgende Aktionen vorhersagen, indem sie einen Satz aufeinanderfolgender eingegebener sensorischer Bilder analysieren, in der Regel einige extrahierende Merkmale von Bildern. Durch Lernen werden einige Hypothesen Þber die nÃĪchste Aktion aufgestellt und entsprechend der Wahrscheinlichkeit jeder Hypothese die wahrscheinlichste Aktion ermittelt. Diese Technik wird hÃĪufig im Bereich der kÞnstlichen Intelligenz eingesetzt.


Wie Sie davon profitieren


(I) Einblicke und Validierungen zu den folgenden Themen:


Kapitel 1: Lernen geometrischer Merkmale


Kapitel 2: Mustererkennung


Kapitel 3: Hough-Transformation


Kapitel 4: Verlustfunktion


Kapitel 5: Expectation?Maximization-Algorithmus


Kapitel 6: Ablehnungsabtastung


Kapitel 7: Array-Verarbeitung


Kapitel 8: Autoencoder


Kapitel 9: Stochastische Approximation


Kapitel 10: Schachbretterkennung


(II) Beantwortung der hÃĪufigsten Ãķffentlichen Fragen zum Lernen geometrischer Merkmale.


(III ) Beispiele aus der Praxis fÞr den Einsatz des Lernens geometrischer Merkmale in vielen Bereichen.


An wen sich dieses Buch richtet


Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die Þber das Grundwissen oder die Informationen zum Erlernen geometrischer Merkmale hinausgehen mÃķchten.

āŠ† āŠ‡-āŠŠāŦāŠļāŦāŠĪāŠ•āŠĻāŦ‡ āŠ°āŦ‡āŠŸāŠŋāŠ‚āŠ— āŠ†āŠŠāŦ‹

āŠĪāŠŪāŦ‡ āŠķāŦāŠ‚ āŠĩāŠŋāŠšāŠūāŠ°āŦ‹ āŠ›āŦ‹ āŠ…āŠŪāŠĻāŦ‡ āŠœāŠĢāŠūāŠĩāŦ‹.

āŠŪāŠūāŠđāŠŋāŠĪāŦ€ āŠĩāŠūāŠ‚āŠšāŠĩāŦ€

āŠļāŦāŠŪāŠūāŠ°āŦāŠŸāŠŦāŦ‹āŠĻ āŠ…āŠĻāŦ‡ āŠŸāŦ…āŠŽāŦāŠēāŦ‡āŠŸ
Android āŠ…āŠĻāŦ‡ iPad/iPhone āŠŪāŠūāŠŸāŦ‡ Google Play Books āŠāŠŠ āŠ‡āŠĻāŦāŠļāŦāŠŸāŦ‰āŠē āŠ•āŠ°āŦ‹. āŠĪāŦ‡ āŠĪāŠŪāŠūāŠ°āŠū āŠāŠ•āŠūāŠ‰āŠĻāŦāŠŸ āŠļāŠūāŠĨāŦ‡ āŠ‘āŠŸāŦ‹āŠŪāŦ…āŠŸāŠŋāŠ• āŠ°āŦ€āŠĪāŦ‡ āŠļāŠŋāŠ‚āŠ• āŠĨāŠūāŠŊ āŠ›āŦ‡ āŠ…āŠĻāŦ‡ āŠĪāŠŪāŠĻāŦ‡ āŠœāŦāŠŊāŠūāŠ‚ āŠŠāŠĢ āŠđāŦ‹ āŠĪāŦāŠŊāŠūāŠ‚ āŠĪāŠŪāŠĻāŦ‡ āŠ‘āŠĻāŠēāŠūāŠ‡āŠĻ āŠ…āŠĨāŠĩāŠū āŠ‘āŠŦāŠēāŠūāŠ‡āŠĻ āŠĩāŠūāŠ‚āŠšāŠĩāŠūāŠĻāŦ€ āŠŪāŠ‚āŠœāŦ‚āŠ°āŦ€ āŠ†āŠŠāŦ‡ āŠ›āŦ‡.
āŠēāŦ…āŠŠāŠŸāŦ‰āŠŠ āŠ…āŠĻāŦ‡ āŠ•āŠŪāŦāŠŠāŦāŠŊāŦāŠŸāŠ°
Google Play āŠŠāŠ° āŠ–āŠ°āŦ€āŠĶāŦ‡āŠē āŠ‘āŠĄāŠŋāŠ“āŠŽāŦāŠ•āŠĻāŦ‡ āŠĪāŠŪāŦ‡ āŠĪāŠŪāŠūāŠ°āŠū āŠ•āŠŪāŦāŠŠāŦāŠŊāŦāŠŸāŠ°āŠĻāŠū āŠĩāŦ‡āŠŽ āŠŽāŦāŠ°āŠūāŠ‰āŠāŠ°āŠĻāŦ‹ āŠ‰āŠŠāŠŊāŦ‹āŠ— āŠ•āŠ°āŦ€āŠĻāŦ‡ āŠļāŠūāŠ‚āŠ­āŠģāŦ€ āŠķāŠ•āŦ‹ āŠ›āŦ‹.
eReaders āŠ…āŠĻāŦ‡ āŠ…āŠĻāŦāŠŊ āŠĄāŠŋāŠĩāŠūāŠ‡āŠļ
Kobo āŠ‡-āŠ°āŦ€āŠĄāŠ° āŠœāŦ‡āŠĩāŠū āŠ‡-āŠ‡āŠ‚āŠ• āŠĄāŠŋāŠĩāŠūāŠ‡āŠļ āŠŠāŠ° āŠĩāŠūāŠ‚āŠšāŠĩāŠū āŠŪāŠūāŠŸāŦ‡, āŠĪāŠŪāŠūāŠ°āŦ‡ āŠŦāŠūāŠ‡āŠēāŠĻāŦ‡ āŠĄāŠūāŠ‰āŠĻāŠēāŦ‹āŠĄ āŠ•āŠ°āŦ€āŠĻāŦ‡ āŠĪāŠŪāŠūāŠ°āŠū āŠĄāŠŋāŠĩāŠūāŠ‡āŠļ āŠŠāŠ° āŠŸāŦāŠ°āŠūāŠĻāŦāŠļāŠŦāŠ° āŠ•āŠ°āŠĩāŠūāŠĻāŦ€ āŠœāŠ°āŦ‚āŠ° āŠŠāŠĄāŠķāŦ‡. āŠļāŠŠāŦ‹āŠ°āŦāŠŸāŦ‡āŠĄ āŠ‡-āŠ°āŦ€āŠĄāŠ° āŠŠāŠ° āŠŦāŠūāŠ‡āŠēāŦ‹ āŠŸāŦāŠ°āŠūāŠĻāŦāŠļāŦāŠŦāŠ° āŠ•āŠ°āŠĩāŠū āŠŪāŠūāŠŸāŦ‡ āŠļāŠđāŠūāŠŊāŠĪāŠū āŠ•āŦ‡āŠĻāŦāŠĶāŦāŠ°āŠĻāŦ€ āŠĩāŠŋāŠ—āŠĪāŠĩāŠūāŠ° āŠļāŦ‚āŠšāŠĻāŠūāŠ“ āŠ…āŠĻāŦāŠļāŠ°āŦ‹.

āŠļāŦ€āŠ°āŠŋāŠ āŠšāŠūāŠēāŦ āŠ°āŠūāŠ–āŦ‹

Fouad Sabry āŠĶāŦāŠĩāŠūāŠ°āŠū āŠĩāŠ§āŦ

āŠ†āŠĻāŠū āŠœāŦ‡āŠĩāŠū āŠœ āŠ‡-āŠŠāŦāŠļāŦāŠĪāŠ•āŦ‹