(SeaPRwire) – กรุงเทพฯ, วันที่ 21 พฤศจิกายน 2566 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” หรือ “บริษัท”) ผู้นําระดับโลกในเทคโนโลยี Hologram Augmented Reality (“AR”) ได้ประกาศว่าอัลกอริทึมการรวมคุณลักษณะหลายระดับที่พื้นฐานบนเครือข่ายประสาทเทียมสามารถจับความสัมพันธ์ของข้อมูลโลกัลและท้องถิ่นของภาพได้ดีขึ้น และสามารถปรับปรุงประสิทธิภาพของโมเดลโดยการรวมคุณลักษณะจากระดับต่างๆ
อัลกอริทึมการรวมคุณลักษณะถูกใช้อย่างแพร่หลายในวิชาการคอมพิวเตอร์วิชัน ภาษาธรรมชาติ และสาขาอื่นๆ โดยการรวมคุณลักษณะจากระดับหรือสื่อที่แตกต่างกัน ความสามารถในการแสดงออกและประสิทธิภาพของโมเดลจะได้รับการปรับปรุงเพื่อแก้ปัญหางานที่ซับซ้อนมากขึ้น
อัลกอริทึมการรวมคุณลักษณะหลายระดับที่ศึกษาโดย WiMi ใช้โครงสร้างเครือข่ายลึก และค่อยๆสกัดคุณลักษณะระดับสูงของภาพผ่านการประมวลผลการเชื่อมโยงและการกรองหลายครั้ง เพื่อแสดงข้อมูลทางความหมายของภาพได้ดีขึ้น นอกจากนี้ การรวมคุณลักษณะจากระดับต่างๆ ทําให้โมเดลสามารถเน้นทั้งข้อมูลโลกัลและท้องถิ่นเกี่ยวกับภาพ และปรับปรุงประสิทธิภาพของโมเดล
อัลกอริทึมการรวมคุณลักษณะหลายระดับที่พื้นฐานบน CNN เป็นโมเดล CNN ที่ปรับปรุง และมีความสําคัญในการประยุกต์ใช้ในสาขาการประมวลผลภาพ CNN เป็นอัลกอริทึมเรียนรู้ลึกที่ใช้อย่างแพร่หลายในสาขาวิชาการคอมพิวเตอร์วิชัน มีข้อดีในการเรียนรู้อัตโนมัติของการแทนที่คุณลักษณะ การแบ่งปันพารามิเตอร์ และความสามารถในการรับรู้ท้องถิ่น
อัลกอริทึมการรวมคุณลักษณะหลายระดับที่พื้นฐานบน CNN สามารถปรับปรุงประสิทธิภาพและความเป็นทั่วไปของโมเดลได้โดยการรวมคุณลักษณะจากชั้นต่างๆ มีการใช้โมเดล CNN หลายชั้นซึ่งประกอบด้วยชั้นการประมวลผลและการกรองหลายชั้น และชั้นเชื่อมโยงเต็มรูปแบบสําหรับงานจําแนก การรวมคุณลักษณะจากชั้นต่างๆ สามารถจับข้อมูลจากชั้นต่างๆ ได้อย่างมีประสิทธิภาพ และสกัดคุณลักษณะจากชั้นต่างๆ ของภาพเพื่อการจําแนกได้ดีขึ้น ซึ่งปรับปรุงความแม่นยําของโมเดล
การประยุกต์ใช้อัลกอริทึมหลักประกอบด้วยส่วนประกอบสําคัญดังนี้:
การสกัดคุณลักษณะ: ก่อนอื่น ภาพนําเข้าจะถูกสกัดคุณลักษณะด้วย CNN ชั้นการประมวลผลแบบเชื่อมโยงสามารถสกัดคุณลักษณะที่มีระดับความนามธรรมต่างกันของภาพ
การรวมคุณลักษณะ: คุณลักษณะจากระดับต่างๆ จะถูกรวมกัน วิธีการรวมที่แตกต่างกันสามารถใช้ได้ เช่น การรวมแบบถ่วงน้ําหนัก การรวมแบบสายลําดับ หรือการรวมแบบขนาน
การแปลงคุณลักษณะ: คุณลักษณะที่รวมกันถูกแปลงเพื่อสกัดคุณลักษณะที่แยกแยะได้มากขึ้น สามารถทําได้โดยใช้ชั้นเชื่อมโยงเต็มรูปแบบ ชั้นการกรอง หรือฟังก์ชันแมปปิงไม่เชิงเส้นอื่นๆ
การเลือกคุณลักษณะ: เลือกคุณลักษณะที่แยกแยะได้มากที่สุดตามความต้องการของงานเฉพาะ
บทความนี้ให้บริการโดยผู้ให้บริการเนื้อหาภายนอก SeaPRwire (https://www.seaprwire.com/) ไม่ได้ให้การรับประกันหรือแถลงการณ์ใดๆ ที่เกี่ยวข้องกับบทความนี้
หมวดหมู่: ข่าวสําคัญ ข่าวประจําวัน
SeaPRwire ให้บริการกระจายข่าวประชาสัมพันธ์แก่ลูกค้าทั่วโลกในหลายภาษา(Hong Kong: AsiaExcite, TIHongKong; Singapore: SingapuraNow, SinchewBusiness, AsiaEase; Thailand: THNewson, ThaiLandLatest; Indonesia: IndonesiaFolk, IndoNewswire; Philippines: EventPH, PHNewLook, PHNotes; Malaysia: BeritaPagi, SEANewswire; Vietnam: VNWindow, PressVN; Arab: DubaiLite, HunaTimes; Taiwan: TaipeiCool, TWZip; Germany: NachMedia, dePresseNow)
อัลกอริทึมการรวมคุณลักษณะหลายระดับที่พื้นฐานบน CNN ปรับปรุงประสิทธิภาพและความสามารถในการทั่วไปของ