HyperAIHyperAI

Command Palette

Search for a command to run...

تطابق الصور غير المنظور واكتشاف الأشياء كعملية تحسين

Huy V. Vo Francis Bach Minsu Cho Kai Han Yann LeCun Patrick Pérez Jean Ponce

الملخص

التعلم مع الإشراف الكامل أو الجزئي قوي ولكنه يعتمد على جهود تسمية البشر المتزايدة باستمرار. كطريقة لتخفيف هذه المشكلة الخطيرة، وكذلك لخدمة التطبيقات الخاصة، ظهر التعلم غير المشرف كحقل مهم للبحث. في رؤية الحاسوب، يأتي التعلم غير المشرف بأشكال مختلفة. نركز هنا على اكتشاف وتطابق فئات الأشياء بين الصور في مجموعة، وفقًا لأعمال Cho等人在2015年的研究 (Cho et al. 2015). نوضح أن النهج الأصلي يمكن إعادة صياغته وحله كمشكلة تحسين مناسبة. الاختبارات على عدة مقاييس تثبت جدارة نهجنا.注:在阿拉伯语中,"Cho等人在2015年的研究" 应该翻译为 "أبحاث Cho وآخرين (2015)" 以符合学术写作的习惯。以下是修正后的翻译:التعلم مع الإشراف الكامل أو الجزئي قوي ولكنه يعتمد على جهود تسمية البشر المتزايدة باستمرار. كطريقة لتخفيف هذه المشكلة الخطيرة، وكذلك لخدمة التطبيقات الخاصة، ظهر التعلم غير المشرف كحقل مهم للبحث. في رؤية الحاسوب، يأتي التعلم غير المشرف بأشكال مختلفة. نركز هنا على اكتشاف وتطابق فئات الأشياء بين الصور في مجموعة، وفقًا لأبحاث Cho وآخرين (2015). نوضح أن النهج الأصلي يمكن إعادة صياغته وحله كمشكلة تحسين مناسبة. الاختبارات على عدة مقاييس تثبت جدارة نهجنا.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp