Nedo의 위탁 프로젝트, "사람들과 함께 발전하는 차세대 인공 지능을위한 기술 개발 프로젝트"(이후이 프로젝트), National Advanced Industrial Science and Technology (AIST)는 수학적 모델에서 자동으로 학습 할 수있는 카지노 바카라지 인식 AI를 개발하고 있습니다 카지노 바카라지에서 객체를 인식하는 카지노 바카라지 식별 외에도 카지노 바카라지 영역을 나누는 AI 학습에 성공하여 객체 범위 정보와 같은 카지노 바카라지의 자세한 내용을 이해하고 카지노 바카라지 영역 부문을 포함한 기본 시각적 기능을 갖춘 AI를 실현했습니다
이번에는 우리가 깨달은 카지노 바카라지 영역 부서는 자율 주행 및 로봇의 시각적 정보와 같은 산업 응용 분야에 필요한 핵심 기술이라는 것을 깨달았습니다 전통적으로, 카지노 바카라지 영역 부서 AI를 배우기 위해, 많은 실제 카지노 바카라지를 수집하고 카지노 바카라지의 각 픽셀에 대한 교사 라벨을 첨부하는 인간 연구와 수집 된 실제 카지노 바카라지로 인한 권리 및 윤리적 문제의 침해와 같은 엄청난 인적 비용이있었습니다 그러나이 결과는 이러한 문제를 해결했습니다 또한, 배워야 할 원본 카지노 바카라지는 그 자체가 수학적 모델이므로 산업 응용 분야에서 유연한 사용자 정의를 허용합니다
또한 AIST는이 기술에 대한 세부 정보를 국제 컨퍼런스 ICCV에서 제시 할 예정이며,이 기술은 10 월 2 일부터 2023 년까지 프랑스 파리에서 개최 될 국제 회의 ICCV 에서이 기술에 대한 세부 정보를 발표 할 예정이다
그림 1 : 수학적 모델에서 자동으로 생성 된 데이터 세트를 사용한 카지노 바카라지 인식 AI 구성
현재 AI의 산업 응용 프로그램은 전 세계적으로 본격적으로 진행 중입니다 특히, 자동 운전 중 장면 인식과 같은 사회에서 카지노 바카라지 인식 AI를 구현할 때 및 로봇이 객체를 잡을 때 카지노 바카라지의 객체를 인식하는 카지노 바카라지 식별뿐만 아니라 객체의 위치 정보를 포함하여 카지노 바카라지의 세부 사항을 이해할 수 있습니다카지노 바카라지 영역 부서*1핵심 기술로 관심을 끌고 있습니다
반면에, 카지노 바카라지 영역 부서는 많은 실제 카지노 바카라지를 인간으로 인간으로 수행합니다교사 라벨*2를 부여함으로써 카지노 바카라지 데이터 세트가 구성되고 AI는 시각적 능력을 얻는 법을 배웁니다 그러나 인간은 교사 라벨링을 위해 카지노 바카라지 당 수십 분이 필요하다고 말합니다 또한 일부 산업 현장에서는 필요한 카지노 바카라지를 수집하기가 어렵고 엄청난 양의 인적 비용이 소요될 수 있습니다 이러한 이유로, 가능한 적은 카지노 바카라지가 거의없는 산업 현장에 적응할 수있는 기술이 필요합니다 또한, 학습 된 카지노 바카라지 데이터 세트의 실제 카지노 바카라지가 프라이버시를 침해하고 공격적인 레이블을 포함 할 수 있다는 우려로 인해 현재 연구 사이트에서 현재 사용되는 카지노 바카라지 인식 AI가 상업적 목적으로 사용하기 어렵습니다
이러한 문제를 해결하려면 Nedo (National Research and Development Corporation, New Energy and Industric 기술 개발 조직)이 프로젝트*3, 바카라 커뮤니티 (AIST)는수학적 모델*49441_9481 |훈련 된 모델*5건물을 위해 노력하고 있습니다 미리 훈련 된 모델은 후속 산업 응용 프로그램에 필요한 개별 학습의 정확성을 향상시키고, 그 어느 때보 다 AI를 더 쉽게 개발하는 것을 목표로합니다
그림 2 카지노 바카라지 인식을위한 사전 학습 및 적응 학습 AI
(1) 카지노 바카라지 인식 AI 모델 구성
이 프로젝트에서수학적 모델을 사용하여 카지노 바카라지를 생성 한 학습 카지노 바카라지에 카지노 바카라지를 식별하는 교사 레이블을 자동으로 생성하는 작업*6발행 이제 산업 응용 분야에보다 전문화 된 작업으로서 동시에 카지노 바카라지 영역 부서 작업을 동시에 배울 수있어 각 픽셀에 대한 위치 정보를 생성 할 수 있습니다 이것은 엄청난 인적 비용을 줄이고 실제 카지노 바카라지 데이터를 사용하지 않고 카지노 바카라지 영역 부서를위한 사전 훈련 모델을 구성 할 수 있습니다
카지노 바카라지 영역 디비전 기술 구현을 통해 산업 응용 프로그램 작업에 따라 카지노 바카라지 및 교사 레이블을 유연하게 변경할 수 있습니다 또한 수학적 모델과 카지노 바카라지 데이터 세트에서 생성되는 카지노 바카라지와 교사 라벨의 특성으로 인해 개인 정보 보호와 같은 윤리적 문제에 대해 걱정하지 않고도 AI를 쉽게 구성 할 수 있습니다
(2) 기존 기술과의 비교
그림 3은 이번에 실현 된 수학적 모델 (그림 3, 1 행)과 AI가 인간이 할당 한 실제 카지노 바카라지 및 교사 라벨을 사용하여 배운 기존의 표준 카지노 바카라지 영역 부서 공개 데이터 세트에서 생성 된 카지노 바카라지 영역 디비전 데이터 세트의 예입니다 (그림 3, 2 행 "CityScapes"및 3RD Row ") 이런 식으로, 우리는 전통적인 데이터 세트와 유사한 각 객체 유형에 대해 영역이 색상 코딩 될 수 있음을 알 수 있습니다
그림 3 카지노 바카라지 인식에 의해 배운 지역 부서의 카지노 바카라지 및 교사 라벨의 예
교사 레이블의 카지노 바카라지 (현재 카지노 바카라지의 오른쪽)는 의미의 차이를 보여줍니다 예를 들어 도로 카지노 바카라지의 도로 표면과 자동차
(3) 산업 응용 프로그램에서 다양한 작업에 적응할 수있는 유연성
이번에 실현 된 카지노 바카라지 영역 부서의 데이터 세트를 통해 원래 수학적 모델을 유연하게 변경할 수 있으므로 모양, 텍스처 및 색상과 같은 교육 데이터의 모양은 산업 분야에서 필요한 데이터의 특성에 맞게 매개 변수를 사용하여 변경할 수 있습니다 카지노 바카라지 영역 디비전 데이터 세트의 구성 요소를 변경함으로써 사전 훈련 데이터 세트의 특성이 변경되며 카지노 바카라지 영역 분할 유형이 다릅니다 다양한 카지노 바카라지 영역 디비전 데이터 세트의 작업에 따라 사전 커스텀 화 파라미터를 통해 사전 학습을 수행 할 수 있으며, 이는 성능이 가장 큰 개선으로 이어질 수 있습니다
그림 4는 이번에 실현 한 수학적 모델을 사용하여 카지노 바카라지 영역 부서 데이터 세트의 구성 요소를 변경하고 (a) 하나의 카지노 바카라지에 배치 할 다각형의 수, (b) 마스크 유형, (c) 색상 정보 (d) 폐색 (겹치), (e) (lines of olygon) 및 (polygon의 수) 및 (f) 이러한 매개 변수는 산업 응용 분야의 다양한 작업에 대해 사용자 정의 할 수 있습니다
그림 4 데이터 세트 구성 요소
AIST는 10 월 2 일부터 2023 년까지 프랑스 파리 에서이 기술에 대한 세부 정보를 보유 할 것입니다국제 회의 ICCV에서 발표*7그렇게하겠습니다 앞으로 우리는이 성과를 카지노 바카라지 영역 부서에 적용 할 것이며, 이는 엄청난 양의 인간 교사 라벨링 비용이들 것입니다
이 성과에서와 같이, 위치 정보와 같은 영역의 고급 및 시간 소모적 분야를 포함한 교사 라벨링은 AI 분야의 개발에서 병목 현상이되었습니다 수학적 모델을 사용하여 학습을위한 실제 데이터 및 교사 레이블을 생성 할 때 기본 기술은 산업 응용 프로그램을 견딜 수있는 방식 (카지노 바카라지, 비디오, 3D 등과 같은 데이터 유형) 및 작업 (객체 감지, 영역 부서, 초-해상도 등)을 설정하는 것입니다 앞으로, 우리는 이들을 지원할 AI의 "일반 목적 미리 훈련 된 모델"을 개발할 계획입니다