Reconhecimento de imagem usando aprendizado de máquina Ppt

Slide 1

Este slide apresenta o Reconhecimento de imagem. Encontrar objetos de interesse dentro de uma imagem e determinar a qual categoria eles pertencem é conhecido como reconhecimento de imagem.

Notas do instrutor: O reconhecimento de imagens é um aplicativo de visão computacional que envolve tarefas como detecção de objetos, identificação de imagens e categorização de imagens.

Slide 2

Este slide discute o funcionamento do reconhecimento de imagem usando Machine Learning. As técnicas de aprendizado de máquina são usadas para extrair conhecimento oculto de um conjunto de dados de amostras boas e ruins para reconhecer imagens.

Notas do instrutor: Quando combinado com a robusta tecnologia AI e GPUs, o Deep Learning permite avanços significativos no campo de reconhecimento de imagem. Os algoritmos de classificação de imagem e reconhecimento facial usando Deep Learning alcançam desempenho de nível humano na detecção de objetos em tempo real.

Slide 3

Este slide ilustra modelos de reconhecimento de imagem de aprendizado de máquina, como máquinas de vetores de suporte, modelos de saco de recursos e algoritmo de Viola Jones.

Notas do instrutor:

• Support Vector Machines: SVMs funcionam criando histogramas de imagens que podem ou não conter os itens de destino. Em seguida, o programa compara os valores do histograma treinado com os de partes da imagem de teste para ver se há alguma correspondência
• Modelos de Bags of Features: Os modelos Bag of Features, como Scale Invariant Feature Transformation (SIFT) e Maximally Stable Extremal Regions (MSER), funcionam digitalizando uma imagem e comparando-a com uma foto de referência do objeto a ser descoberto. O modelo, em seguida, combina os pixels dos recursos da foto de amostra com as regiões da imagem de destino para ver se há correspondências
• Algoritmo Viola Jones: Viola-Jones escaneia os rostos das pessoas e extrai características, que são alimentadas em um classificador de reforço. Como resultado, classificadores otimizados são criados e usados para verificar as fotos de teste. Uma imagem de teste deve produzir um resultado positivo de cada classificador para encontrar uma correspondência bem-sucedida

Slide 4

Este slide descreve o aplicativo de reconhecimento de imagem para análise facial. O feed de vídeo de qualquer câmera digital ou webcam pode ser usado com tecnologias modernas de aprendizado de máquina para fazer detecção simultânea de rosto, estimativa de postura facial, alinhamento facial, reconhecimento de gênero, detecção de sorriso, estimativa de idade e reconhecimento facial.

Notas do instrutor: A visão computacional permite que os computadores determinem identidade, intenções, estado emocional e de saúde, idade e etnia por meio de análise facial. Alguns softwares de reconhecimento de fotos até tentam usar uma pontuação para definir os níveis de atratividade percebida.

Slide 5

Este slide discute os sistemas de identificação de imagens com tecnologia Machine Learning usados no setor agrícola. Esses sistemas utilizam ferramentas de ponta treinadas para reconhecer o tipo de animal e seu comportamento.