الوصف
في هذا العمل ، يتم تقديم خطوة أولى نحو الكشف المباشر عن السمات “الجيدة” باستخدام شبكة عصبية تلافيفية كاملة (CNN). من خلال تصميم جهاز تشفير تلقائي لمجال الضوء التلافيفي ومقارنة النتائج من التلافيف ثنائية وثلاثية الأبعاد ، نظهر ذلك
يمكن أن تلتقط التلافيف معلومات إضافية في مجال الضوء بأبعاد أعلى.
ثم نبني CNN لاكتشاف ميزات SIFT على صور الإدخال ثنائية الأبعاد. نظهر أنه يمكن تكييف بنية النموذج للعمل مع مدخلات ذات أبعاد أعلى.
في هذا العمل ، نقدم نهجًا تعليميًا لاكتشاف الميزات. نوضح أن طريقتنا ، باستخدام شبكة عصبية تلافيفية كاملة ، ممكنة للصور ثنائية الأبعاد وتعمم على مجالات الضوء ذات الأبعاد الأعلى.
تصور خط الأنابيب النموذجي للكشف. يتم إدخال الصورة الأصلية في شبكة CNN التي تنتج خريطة حرارية تُستخدم لاكتشاف الميزات ومقارنتها بالميزات التي تم اكتشافها بواسطة SIFT
تصور خط الأنابيب النموذجي للكشف. يتم إدخال الصورة الأصلية في شبكة CNN التي تنتج خريطة حرارية تُستخدم لاكتشاف الميزات ومقارنتها بالميزات التي تم اكتشافها بواسطة SIFT
Python code for merging two separate photos to create a single, multi-person photo
Python code for Classification of photographic images based on perceived aesthetic quality
المراجعات
لا توجد مراجعات بعد.