We are searching data for your request:
ਟੈਕਨਾਲੋਜੀ ਰਿਵਿ Review ਵਿਚ 21 ਫਰਵਰੀ, 2007 ਨੂੰ ਪ੍ਰਕਾਸ਼ਤ ਹੋਏ ਇਕ ਲੇਖ ਦੇ ਅਨੁਸਾਰ, ਐਮਆਈਟੀ ਦੇ ਨਿurਰੋਸਾਈਸਿਸਟਾਂ ਦੇ ਸਮੂਹ ਨੇ ਇਕ ਕੰਪਿ modelਟਰ ਮਾਡਲ ਵਿਕਸਤ ਕੀਤਾ ਹੈ ਜੋ ਇਕ ਵਿਅਸਤ ਸੜਕ 'ਤੇ ਕਾਰਾਂ ਅਤੇ ਮੋਟਰਸਾਈਕਲਾਂ ਵਰਗੀਆਂ ਚੀਜ਼ਾਂ ਦੀ ਸਹੀ ਪਛਾਣ ਅਤੇ ਪਛਾਣ ਕਰਨ ਲਈ ਮਨੁੱਖੀ ਦ੍ਰਿਸ਼ਟੀਕਰਨ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ. ਐਮਆਈਟੀ ਦੇ ਇਕ ਨਿurਰੋਸੈਨੀਟਿਸਟ ਥੌਮਸ ਸੇਰੇ ਦੇ ਅਨੁਸਾਰ, ਇਸ ਕਿਸਮ ਦੇ ਦਰਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਜਲਦੀ ਹੀ ਨਿਗਰਾਨੀ ਪ੍ਰਣਾਲੀਆਂ ਜਾਂ ਸਮਾਰਟ ਸੈਂਸਰਾਂ ਵਿਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਡਰਾਈਵਰਾਂ ਨੂੰ ਪੈਦਲ ਯਾਤਰੀਆਂ ਜਾਂ ਹੋਰ ਚੀਜ਼ਾਂ ਦੀ ਮੌਜੂਦਗੀ ਲਈ ਸੁਚੇਤ ਕਰਦੇ ਹਨ.
ਸਾਲਾਂ ਤੋਂ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਉਨ੍ਹਾਂ ਦੇ ਸੰਪੂਰਨਤਾ ਦੇ ਕਾਰਨ ਜੀਵ-ਵਿਗਿਆਨਕ ਦਰਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ. ਸੇਰੇ ਕਹਿੰਦਾ ਹੈ, ਜਿਸਨੇ ਟੋਮਾਸੋ ਪੋਗਜੀਓ ਨਾਲ ਕੰਮ ਕੀਤਾ ਸੀ, ਪਰੰਤੂ ਕੰਪਿ objectsਟਰ ਨੂੰ ਆਬਜੈਕਟਸ ਦਾ ਵਰਗੀਕਰਨ ਕਰਨ ਦੀ ਸਿੱਖਿਆ ਦੇਣਾ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਨਾ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਹੋਇਆ ਹੈ. ਪਹਿਲਾਂ, ਕਿਸੇ ਖਾਸ ਕਿਸਮ ਦੀ ਵਸਤੂ ਨੂੰ ਪਛਾਣਨ ਲਈ, ਕੰਪਿਟਰ ਨੂੰ ਉਸ ਖ਼ਾਸ objectਬਜੈਕਟ ਦੇ ਟੈਂਪਲੇਟ ਜਾਂ ਖਾਸ ਗਣਨਾਤਮਕ ਨੁਮਾਇੰਦਗੀ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ, ਜੋ ਕਿ ਕੰਪਿ computerਟਰ ਨੂੰ ਵੱਖਰਾ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਉਦਾਹਰਣ ਲਈ, ਚੀਜ਼ਾਂ ਤੋਂ ਕਾਰ ਜੋ ਕਾਰ ਨਹੀਂ ਹਨ. ਹਾਲਾਂਕਿ, ਟੈਂਪਲੇਟ ਵੱਖੋ ਵੱਖਰੀਆਂ ਕਿਸਮਾਂ ਦੀਆਂ ਕਾਰਾਂ ਨੂੰ ਵੱਖ ਵੱਖ ਕੋਣਾਂ ਅਤੇ ਅਹੁਦਿਆਂ 'ਤੇ ਅਤੇ ਵੱਖੋ ਵੱਖਰੀਆਂ ਰੋਸ਼ਨੀ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦੇ ਅਨੁਕੂਲ ਹੋਣ ਲਈ ਕਾਫ਼ੀ ਲਚਕਦਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ.
ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਉੱਤਮ imagesੰਗ ਹੈ ਇਕ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਨੂੰ ਸਿਖਲਾਈ ਦੇ ਕੇ ਚਿੱਤਰਾਂ ਦੀ ਇਕ ਲੜੀ ਨਾਲ ਉਹ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਕੱractਣ ਲਈ ਜੋ ਉਨ੍ਹਾਂ ਵਿਚ ਸਾਧਾਰਣ ਹਨ. ਸੇਰੇ ਅਤੇ ਪੋਗਜੀਓ ਮੰਨਦੇ ਹਨ ਕਿ ਮਨੁੱਖੀ ਦ੍ਰਿਸ਼ਟੀ ਪ੍ਰਣਾਲੀ ਇਕੋ ਜਿਹੀ ਪਹੁੰਚ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ, ਪਰ ਇਹ ਕਿ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਵਿਚ ਲਗਾਤਾਰ ਪਰਤਾਂ ਦੇ ਇਕ ਅੰਸ਼ ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ. ਛਾਲੇ ਦੀਆਂ ਪਹਿਲੀਆਂ ਪਰਤਾਂ ਇਸ ਤਰ੍ਹਾਂ ਕਿਸੇ ਵਸਤੂ ਦੀਆਂ ਸਰਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦੀਆਂ ਸਨ ਅਤੇ ਅੰਤ ਵਿੱਚ ਉਹ ਉਸ ਜਾਣਕਾਰੀ ਨੂੰ ਜੋੜ ਕੇ ਸਮੁੱਚੇ ਰੂਪ ਵਿੱਚ ਸਾਡੇ ਬਾਰੇ ਧਾਰਨਾ ਬਣਾਉਂਦੀਆਂ ਹਨ.
ਉਨ੍ਹਾਂ ਦੇ ਸਿਧਾਂਤ ਨੂੰ ਪਰਖਣ ਲਈ, ਸੇਰੇ ਅਤੇ ਪੋਗਜੀਓ ਨੇ ਐਮਆਈਟੀ ਦੇ ਸਟੈਨਲੇ ਬਿਲੇਸ਼ਚੀ ਅਤੇ ਤੇਲ ਅਵੀਵ ਯੂਨੀਵਰਸਿਟੀ, ਇਜ਼ਰਾਈਲ ਦੇ ਲਾਇਅਰ ਵੁਲਫ ਨਾਲ ਕੰਮ ਕੀਤਾ, 10 ਮਿਲੀਅਨ ਕੰਪਿutਟੇਸ਼ਨਲ ਇਕਾਈਆਂ ਵਾਲਾ ਇੱਕ ਕੰਪਿ computerਟਰ ਮਾਡਲ ਤਿਆਰ ਕਰਨ ਲਈ ਜੋ ਨਿ neਯੂਰਨ ਦੇ ਸਮੂਹਾਂ ਵਾਂਗ ਵਿਵਹਾਰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ. ਵਿਜ਼ੂਅਲ ਕੋਰਟੇਕਸ ਦਾ. ਜਿਵੇਂ ਕਿ ਵਿਜ਼ੂਅਲ ਕੋਰਟੇਕਸ ਵਿਚ, ਇਕਾਈਆਂ ਨੂੰ ਪਰਤਾਂ ਵਿਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ.
ਪਹਿਲਾਂ, ਸਧਾਰਣ ਇਕਾਈਆਂ ਪਿਕਸਲ ਦੇ ਬਹੁਤ ਛੋਟੇ ਸਮੂਹਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਕੇ ਦ੍ਰਿਸ਼ਾਂ (ਉਦਾਹਰਣ ਲਈ, ਓਰੀਐਨਟਡ ਪ੍ਰੋਫਾਈਲਾਂ) ਤੋਂ ਮੁ .ਲੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਕੱ extਦੀਆਂ ਹਨ. ਫਿਰ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਇਕਾਈਆਂ ਚਿੱਤਰ ਦੇ ਵੱਡੇ ਹਿੱਸਿਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਆਬਜੈਕਟ ਦੇ ਆਕਾਰ ਜਾਂ ਸਥਿਤੀ ਨਾਲ ਸੰਬੰਧਿਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਪਛਾਣਦੀਆਂ ਹਨ. ਹਰ ਇੱਕ ਅਗਲੀ ਪਰਤ ਦੇ ਨਾਲ, ਵੱਧਦੀ ਹੋਈ ਗੁੰਝਲਦਾਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਕੱractedੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਕਿਸੇ ਵਸਤੂ ਦੇ ਦੋ ਹਿੱਸਿਆਂ ਵਿਚਕਾਰ ਦੂਰੀ ਜਾਂ ਇਹਨਾਂ ਹਿੱਸਿਆਂ ਦੇ ਵੱਖੋ ਵੱਖਰੇ ਅਨੁਕੂਲਣ ਕੋਣਾਂ. ਇਹ ਤੁਹਾਨੂੰ ਇਕੋ ਇਕਾਈ ਨੂੰ ਵੱਖੋ ਵੱਖਰੇ ਕੋਣਾਂ ਤੋਂ ਪਛਾਣਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ.
ਜਦੋਂ ਉਨ੍ਹਾਂ ਨੇ ਪ੍ਰਣਾਲੀ ਦੀ ਜਾਂਚ ਕੀਤੀ, ਇਸਦੇ ਨਤੀਜੇ ਬਹੁਤ ਵਧੀਆ ਸਨ, ਮਾਰਕੀਟ ਦੇ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣ ਦੇ. ਨਾਲ ਹੀ, ਇਸਦੀ ਸਿੱਖਣ ਦੀ ਯੋਗਤਾ ਦੇ ਕਾਰਨ, ਜਿੰਨੇ ਚਿੱਤਰ ਤੁਸੀਂ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹੋ, ਉਨੇ ਹੀ ਤੁਹਾਡੇ ਨਤੀਜੇ ਸਹੀ ਹੁੰਦੇ ਹਨ.
ਇਸ ਸਮੇਂ, ਸਿਸਟਮ ਸਿਰਫ ਸਥਿਰ ਚਿੱਤਰਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ. ਹਾਲਾਂਕਿ, ਸੇਰੇ ਦੇ ਅਨੁਸਾਰ, ਪ੍ਰਕਿਰਿਆ ਮਨੁੱਖੀ ਦਰਸ਼ਨ ਪ੍ਰਣਾਲੀ ਦੇ ਸਮਾਨ ਹੈ, ਜਿੱਥੇ ਪ੍ਰਣਾਲੀ ਦਾ ਇਕ ਹਿੱਸਾ ਰੂਪਾਂ ਦਾ ਅਤੇ ਦੂਜਾ ਅੰਦੋਲਨ ਦਾ ਇੰਚਾਰਜ ਹੈ. ਟੀਮ ਹੁਣ ਸਮਾਨਾਂਤਰ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ 'ਤੇ ਕੰਮ ਕਰ ਰਹੀ ਹੈ ਜੋ ਵਿਡੀਓਜ਼ ਨਾਲ ਕੰਮ ਕਰਦੀ ਹੈ.
ਸਰੋਤ: ਤਕਨਾਲੋਜੀ ਦੀ ਸਮੀਖਿਆ
Copyright By qfojo.net