পিক্সেল-ভিত্তিক শ্রেণিবিন্যাস হিসাবে, আপনি স্পট অন। প্রতিটি পিক্সেল একটি এন-ডাইমেনশনাল ভেক্টর এবং কিছু মেট্রিক অনুযায়ী সাপোর্ট ভেক্টর মেশিন, এমএলই, কিছু ধরণের বোনা শ্রেণিবদ্ধকরণ ইত্যাদি ব্যবহার করে নির্ধারিত হবে some
অঞ্চল ভিত্তিক শ্রেণিবদ্ধকারীদের হিসাবে, যদিও, জিপিইউগুলির সংমিশ্রণে, প্রচুর পরিমাণে ডেটা, মেঘ এবং অ্যালগরিদমের বিস্তৃত প্রাপ্যতা ওপেন সোর্স বৃদ্ধির জন্য ধন্যবাদ (সুবিধার্থে) বিগত কয়েক বছরে বিশাল উন্নয়ন হয়েছে been গিথুব দ্বারা)। কম্পিউটার ভিশন / শ্রেণিবিন্যাসের অন্যতম বৃহত উন্নয়ন ঘটেছে কনভ্যুশনাল নিউরাল নেটওয়ার্কগুলিতে (সিএনএন)। কনভোলশনাল স্তরগুলি "শিখুন" বৈশিষ্ট্যগুলি যা রঙের উপর ভিত্তি করে traditionalতিহ্যবাহী পিক্সেল-ভিত্তিক শ্রেণিবদ্ধ হিসাবে তৈরি করতে পারে তবে প্রান্ত ডিটেক্টর এবং সমস্ত ধরণের অন্যান্য বৈশিষ্ট্য নিষ্কাশনকারীও তৈরি করে যা পিক্সেলের একটি অঞ্চলে থাকতে পারে (সুতরাং সমঝোতার অংশ) কখনই পিক্সেল-ভিত্তিক শ্রেণিবিন্যাস থেকে নিষ্কাশন করতে পারে না। এর অর্থ তারা অন্য কোনও ধরণের পিক্সেলের ক্ষেত্রের মাঝখানে একটি পিক্সেলকে ভুল-শ্রেণিবদ্ধ করার সম্ভাবনা কম - যদি আপনি কখনও শ্রেণিবিন্যাস চালিয়ে থাকেন এবং অ্যামাজনের মাঝখানে বরফ পেয়ে থাকেন তবে আপনি এই সমস্যাটি বুঝতে পারবেন।
তারপরে আপনি প্রকৃত শ্রেণিবদ্ধকরণের জন্য কনভোলিউশনের মাধ্যমে শিখে নেওয়া "বৈশিষ্ট্যগুলিতে" সম্পূর্ণ সংযুক্ত নিউরাল নেট প্রয়োগ করেন। সিএনএন এর অন্য দুর্দান্ত সুবিধাগুলির মধ্যে একটি হ'ল তারা স্কেল এবং আবর্তন আক্রমণকারী, কারণ সাধারণত কনভলিউশন স্তর এবং শ্রেণিবদ্ধকরণ স্তরগুলির মধ্যে অন্তর্বর্তী স্তর থাকে যা বৈশিষ্ট্যগুলিকে সাধারণীকরণ করে, পুলিং এবং ড্রপআউট ব্যবহার করে অতিরিক্ত চাপ এড়ানোর জন্য এবং চারপাশের সমস্যাগুলির সাথে সহায়তা করে স্কেল এবং ওরিয়েন্টেশন।
কনভ্যুসিভাল নিউরাল নেটওয়ার্কগুলিতে প্রচুর সংস্থান রয়েছে, যদিও এই ক্ষেত্রের অন্যতম পথিকৃৎ আন্ড্রেই কার্পাথির সেরা স্ট্যান্ডার্ড শ্রেণি হতে হবে , এবং পুরো বক্তৃতা সিরিজটি ইউটিউবে উপলব্ধ ।
অবশ্যই, পিক্সেল বনাম অঞ্চল ভিত্তিক শ্রেণিবদ্ধকরণের সাথে সম্পর্কিত অন্যান্য উপায় রয়েছে তবে বর্তমানে এটি শিল্প পদ্ধতির অবস্থা এবং মেশিন অনুবাদ এবং স্ব-ড্রাইভিং গাড়িগুলির মতো দূরবর্তী সংবেদনের শ্রেণিবিন্যাসের বাইরেও এটির অনেকগুলি অ্যাপ্লিকেশন রয়েছে।
টেনসরফ্লো স্থাপন ও এডাব্লুএস চালানোর নির্দেশাবলী সহ ট্যাগড প্রশিক্ষণ ডেটার জন্য ওপেন স্ট্রিট ম্যাপ ব্যবহার করে অঞ্চল ভিত্তিক শ্রেণিবিন্যাসের আরও একটি উদাহরণ এখানে ।
প্রান্ত সনাক্তকরণের ভিত্তিতে শ্রেণিবদ্ধের গুগল আর্থ ইঞ্জিন ব্যবহার করার একটি উদাহরণ এখানে রয়েছে, পাইভট সেচের জন্য এই ক্ষেত্রে - গাউসিয়ান কার্নেল এবং কনভোলিউশন ছাড়া আর কিছুই ব্যবহার না করে আবার অঞ্চল / প্রান্ত ভিত্তিক পদ্ধতির শক্তি দেখায়।
পিক্সেল-ভিত্তিক শ্রেণিবিন্যাসের তুলনায় বস্তুর সর্বোত্তমত্বটি মোটামুটিভাবে স্বীকৃত হলেও এখানে রিমোট সেন্সিং লেটারগুলির একটি আকর্ষণীয় নিবন্ধটি অবজেক্ট ভিত্তিক শ্রেণিবিন্যাসের কার্যকারিতা মূল্যায়ন করছে ।
পরিশেষে, একটি মজাদার উদাহরণ, কেবল এটি দেখানোর জন্য যে আঞ্চলিক / সমঝোতা ভিত্তিক শ্রেণিবদ্ধকারীদের সাথেও কম্পিউটার ভিশন এখনও সত্যই শক্ত - ভাগ্যক্রমে গুগল, ফেসবুক ইত্যাদির বুদ্ধিমান ব্যক্তিরা এর মধ্যে পার্থক্য নির্ধারণ করতে সক্ষম হয়ে অ্যালগরিদমে কাজ করছে কুকুর, বিড়াল এবং বিভিন্ন জাতের কুকুর এবং বিড়াল সুতরাং, দূরবর্তী সংবেদনে আগ্রহী ব্যবহারগুলি রাতে খুব সহজে ঘুমাতে পারেন: ডি
