欧美性猛交XXXX免费看蜜桃,成人网18免费韩国,亚洲国产成人精品区综合,欧美日韩一区二区三区高清不卡,亚洲综合一区二区精品久久

點(diǎn)擊下方視頻，先睹為快：

??????

10年前，計算機視覺(jué)研究者認為，要讓一臺電腦去分辨出一只貓和狗的不同之處，這幾乎是不可能的，即便是在當時(shí)人工智能已經(jīng)取得了重大突破的情況下。

Joseph Redmon家養的貓

Joseph Redmon家養的狗

但如今我們已經(jīng)可以做到讓它的正確率在99%以上。這個(gè)方法叫做圖像分類(lèi)，給它一張圖，再給這張圖貼上標簽。通過(guò)這種方式，計算機就可以知道數千種的分類(lèi)。

我是華盛頓大學(xué)的一名研究生，我正致力于一個(gè)名叫Darknet的項目，這是一個(gè)用來(lái)訓練和測試計算機視覺(jué)模型的神經(jīng)網(wǎng)絡(luò )結構。

Joseph Redmon所進(jìn)行的Darknet項目

讓我們來(lái)看看Darknet是如何看待這張圖片。

當我們在這張圖片上運行識別器時(shí)，我們注意到，它不僅能判斷出圖片上是貓是狗，還能給出它是哪個(gè)品種的預測。這就是我們目前所達到的粒度級別。

它的預測是正確的，我的狗的確是一只阿拉斯加雪橇犬。

很明顯，我們在圖像識別上取得了驚人的進(jìn)步。但是如果我們對這樣一張圖片運行識別器，會(huì )如何呢？ 

看一下，我們看到識別器給出了一個(gè)非常相似的預測。而且是正確的，圖中是有一只阿拉斯加雪橇犬。但只使用這一個(gè)標簽，我們并不能真正的了解這張圖片，我們需要更強大的檢測器。

我正在研究一個(gè)叫做目標檢測的問(wèn)題，也就是嘗試將一張圖上的所有目標物都找出來(lái)，然后將它們分別框起來(lái)，再加上標注。

這就是我們對這張照片運行檢測器時(shí)所發(fā)生的?；谶@樣的結果，我們可以用計算機視覺(jué)算法做更多的事情。

我們發(fā)現，它知道這里有一只貓和一只狗。知道它們的相對位置，它們的大小，甚至還知道一些額外的信息，例如背景里有一本書(shū)。

如果你想建立一個(gè)基于計算機視覺(jué)的系統，比如說(shuō)無(wú)人駕駛汽車(chē)或者機器人系統，這就是你想要得到的信息。你需要一個(gè)能與物質(zhì)世界互動(dòng)的系統。

當我最開(kāi)始開(kāi)展目標檢測項目時(shí)，它要花20秒去處理一張圖片。

為了理解為什么速度在這個(gè)領(lǐng)域是如此重要。舉一個(gè)例子，這是一個(gè)2秒鐘就能處理一張圖片的檢測器。這個(gè)檢測器的速度要比處理每張圖需要20秒的檢測器快10倍?？梢钥吹皆谒龀鲱A測的時(shí)候，被檢測的世界已經(jīng)發(fā)生變化了。這對于一個(gè)應用來(lái)說(shuō)是沒(méi)有多大用處的。

每2秒處理一張圖

如果我們將它的速度再提升10倍，這個(gè)檢測器每秒可處理5張畫(huà)面，這就好很多了。

每秒處理5張圖

但是，舉個(gè)例子。如果有任何重大的移動(dòng)，它就反應不過(guò)來(lái)了。我可不想讓這樣的一個(gè)系統來(lái)駕駛我的汽車(chē)。

這是在我電腦上運行的實(shí)時(shí)檢測系統。當我在移動(dòng)時(shí)，它能順利地追蹤我。而且它強大到能適應不同的物體大小、姿勢、向前、向后的改變，很了不起。

實(shí)時(shí)檢測系統

如果我們想要建造一個(gè)基于計算機視覺(jué)的系統，那么這就是我們真正需要的。

僅僅是幾年的時(shí)間，我們就從每張圖20秒提升到了每張圖20毫秒，速度提高了1000倍。我們是如何做到的呢？

過(guò)去，目標檢測系統會(huì )將這張圖片分成很多小區域，然后在每一塊區域運行一下識別器。在識別器中獲得最高分數的輸出就會(huì )被認為是這張圖片的檢測結果。這涉及到要在一張圖片上運行數千次識別器，以及數千次的神經(jīng)網(wǎng)絡(luò )評估才能獲得檢測結果。

而現在，我們訓練了可以做出所有檢測的單一網(wǎng)絡(luò )，它能同時(shí)生成邊界盒和類(lèi)別概率。

使用我們的系統，不需要為了生成檢測結果去重復上千數次地看同一張圖片，只看一次就行了。這也是為什么我們稱(chēng)之為，目標檢測的"YOLO(you only look once)法"(只看一次)。

有了這個(gè)速度，我們就不僅限于識別圖像了，還可以實(shí)時(shí)處理視頻?，F在我們不僅看到了貓和狗，還能看到它們走來(lái)走去，互相嘻戲。

這是一個(gè)我們在微軟的COCO數據庫上，用80種不同種類(lèi)的物品訓練過(guò)的檢測器。包含了各種東西，像勺子、叉子、碗等常見(jiàn)物品。

還有各種奇特的東西，動(dòng)物、汽車(chē)、斑馬、長(cháng)頸鹿。

現在我們要做點(diǎn)兒有趣的事情，我們的攝像頭將要對準觀(guān)眾區看看能檢測出什么。

我們把檢測閥值調低一點(diǎn)，這樣就可以找出更多的觀(guān)眾。看下我們能不能找出這些停車(chē)標志，我們發(fā)現了一些背包。所有這些都是在電腦上實(shí)時(shí)處理的。

請大家記住，這是一個(gè)通用的目標檢測系統。因此我們可以將它訓練用于任何領(lǐng)域的圖像識別。

我們在無(wú)人駕駛汽車(chē)中，用來(lái)發(fā)現停車(chē)標志 行人和自行車(chē)的代碼，同樣可以用于在組織活檢中找出癌細胞。全球已經(jīng)有很多研究者正在利用這一技術(shù)在醫學(xué)、機器人學(xué)等方面取得了進(jìn)展。

今天早上，我剛讀到一篇文章，人們在內羅畢國家公園對動(dòng)物數量進(jìn)行普查，使用了YOLO作為檢測系統的一部分。因為Darknet是一個(gè)開(kāi)源項目，在公共領(lǐng)域任何人都可以免費使用。

但是我們想要讓檢測器能被更多人使用，也更好用因此通過(guò)結合模型優(yōu)化，網(wǎng)絡(luò )二值化和近似法，我們實(shí)際上已經(jīng)可以在手機上進(jìn)行目標檢測了。

我真的很激動(dòng)，因為我們在初級計算機視覺(jué)問(wèn)題上有了強大的解決方案，同時(shí)任何人都可以使用它來(lái)做些什么。

接下來(lái)就看所有在座的各位，以及世界上所有能夠使用這個(gè)軟件的人了。我已經(jīng)等不及想要看看，人們會(huì )用這一技術(shù)創(chuàng )造出什么來(lái)了，謝謝大家。