تکنیک های یادگیری ماشین در مبحث بینایی رایانه ای

یادگیری ماشین، به لطف در دسترس بودن و دسترسی به حجم عظیمی از داده های جمع آوری شده از طریق حسگرها و اینترنت. ایده یادگیری ماشینی حقایقی را نشان میدهد که رایانه توانایی بهبود خود را با گذشت زمان دارد. کشورهای غربی از طریق سازماندهی کنفرانس ها، کارگاه ها، بحث های جمعی، آزمایش و اجرای واقعی، علاقه زیادی به موضوع یادگیری ماشین، بینایی کامپیوتر و تشخیص الگو نشان داده اند. این مطالعه در مورد یادگیری ماشین و بینایی کامپیوتر به بررسی و ارزیابی تحلیلی کاربردهای یادگیری ماشین در بینایی کامپیوتر میپردازد و چشماندازهای آینده را پیشبینی میکند. این مطالعه نشان داده است که راهبردهای یادگیری ماشین در بینایی کامپیوتر تحت نظارت، بدون نظارت و نیمه نظارت هستند. الگوریتمهای رایج مورد استفاده شبکه های عصبی، خوشه بندی k-means و ماشین بردار پشتیبان هستند. جدیدترین کاربردهای یادگیری ماشین در بینایی کامپیوتر، تشخیص اشیا، طبقه بندی اشیا و استخراج اطلاعات مربوطه از تصاویر، اسناد گرافیکی و ویدئوها است. عالوه بر این، Tensor flow، مدل Faster-RCNN-Inception-V۲ و محیط توسعه نرم افزار Anaconda برای شناسایی خودروها و افراد در تصاویر استفاده می شود.

Keywords:

یادگیری ماشین , بینایی کامپیوتر , هوش مصنوعی , پردازش تصویر , دید رایانه ای , یادگیری عمیق