Connect with us

công nghệ

WIMI phát triển công nghệ RPSSC, có nhiều ưu điểm trong xử lý hình ảnh siêu phổ

[ad_1]

WIMI Đám mây ba chiều Hình ba chiều hàng đầu thế giới thực tế tăng cường Nhà cung cấp công nghệ AR đã công bố phát triển công nghệ RandomPatchSpatialSpectrumClassifier (RPSSC) để khai thác triệt để tính bổ sung giữa thông tin không gian và quang phổ.

Biểu ngữ loạt dự báo AIThority 2024

Nghiên cứu và phát triển RPSSC của WIMI kết hợp bộ lọc Gabor 2D và phương pháp trích xuất tính năng tích chập ngẫu nhiên (GRPC). Đầu tiên, RPSSC sử dụng thuật toán phân tích thành phần chính (PCA) và LDA để giảm kích thước của hình ảnh siêu phổ ban đầu. Mục đích của bước này là loại bỏ thông tin quang phổ dư thừa trong khi vẫn giữ lại thông tin chính, tăng tỷ lệ khoảng cách giữa các lớp và trong lớp, đồng thời chuẩn bị dữ liệu cho việc trích xuất và phân loại tính năng tiếp theo. Trên hình ảnh chiều, RPSSC giới thiệu bộ lọc Gabor hai chiều. Bộ lọc Gabor được sử dụng rộng rãi trong lĩnh vực thị giác máy tính để trích xuất các đặc điểm cấu trúc không gian như các cạnh và kết cấu của hình ảnh. Thông qua bộ lọc Gabor, công nghệ RPSSC có thể nắm bắt thông tin không gian và kết cấu cục bộ trong ảnh, đặt nền tảng cho việc trích xuất tính năng tiếp theo. Tiếp theo, phương pháp GRPC được áp dụng cho RPSSC, lấy các đặc tính Gabor làm đầu vào. Tích chập mảng ngẫu nhiên thực hiện việc trích xuất các đặc điểm phổ đa cấp trong ảnh bằng cách chọn ngẫu nhiên các mảng trong ảnh và thực hiện các thao tác tích chập trên các mảng này. Bước này nhằm mục đích tổng hợp thông tin không gian và quang phổ để cho phép mô hình hiểu đầy đủ hơn về các đặc điểm của hình ảnh. Cuối cùng, công nghệ RPSSC kết hợp các đặc điểm không gian được trích xuất từ ​​GRPC với các đặc điểm phổ đa cấp. Thông qua quá trình tổng hợp này, mô hình có thể tổng hợp thông tin quang phổ và thông tin cấu trúc không gian cục bộ để cung cấp khả năng biểu diễn đặc điểm phong phú hơn cho việc phân loại hình ảnh. Cuối cùng, RPSSC sử dụng bộ phân loại máy vectơ hỗ trợ (SVM) để phân loại các đặc điểm hợp nhất nhằm đạt được sự phân loại chính xác cho hình ảnh siêu phổ.

Tin tức hàng đầu về máy học AI: Phiên bản mới của công cụ ID thông minh có khả năng nhận dạng tiếng Hàn cao hơn 15%.

Trích xuất đặc trưng GRPC gồm nhiều lớp, mỗi lớp gồm các bước sau:

PCA: PCA được thực hiện trên các bản vá được chọn ngẫu nhiên để trích xuất các đặc điểm quang phổ.

Làm trắng: Làm trắng các đặc điểm quang phổ được trích xuất để giảm thông tin dư thừa.

Phép chiếu ngẫu nhiên: Chiếu các đặc điểm được làm trắng vào không gian có chiều thấp thông qua phép chiếu ngẫu nhiên.

Trích xuất tính năng tích chập: thực hiện các thao tác tích chập trong không gian giảm chiều để trích xuất các tính năng phổ đa cấp.

See also  Tin tức Công nghệ Dịch vụ Tài sản | ipushpull và SIX ra mắt sản phẩm di động dành cho doanh nghiệp

Công nghệ RPSSC của WIMI có nhiều ưu điểm kỹ thuật trong việc hiện thực hóa việc sử dụng toàn diện các đặc điểm quang phổ và không gian của hình ảnh siêu phổ. Nó cải thiện độ chính xác phân loại, giảm độ phức tạp của mô hình và sử dụng đầy đủ thông tin của hình ảnh siêu phổ để cung cấp các giải pháp hiệu quả hơn cho các ứng dụng thực tế. Ưu điểm kỹ thuật của WIMI RPSSC như sau:

Cấu trúc đơn giản và hiệu suất tuyệt vời: RPSSC sử dụng GRPC và có cấu trúc tương đối đơn giản nhưng cho thấy hiệu suất tuyệt vời trong các thử nghiệm. Cấu trúc đơn giản này giúp mô hình dễ hiểu và tối ưu hơn, đồng thời giảm chi phí triển khai trong các ứng dụng thực tế.

Tận dụng tối đa các đặc điểm không gian và quang phổ: RPSSC tận dụng tối đa các đặc điểm không gian và quang phổ trong hình ảnh siêu phổ bằng cách kết hợp các bộ lọc Gabor 2D và phương pháp GRPC. Việc sử dụng kết hợp này không chỉ cải thiện độ chính xác của phân loại mà còn cho thấy tầm quan trọng của các đặc điểm cấu trúc không gian thường bị bỏ qua trong các phương pháp truyền thống.

Khả năng thích ứng tốt: Công nghệ RPSSC hoạt động tốt trong việc khắc phục hiện tượng nhiễu hạt tiêu và làm mịn quá mức trong phân loại hình ảnh siêu phổ, phù hợp với nhiều tình huống thực tế khác nhau và vẫn có thể đạt được độ chính xác phân loại cao ngay cả với số lượng mẫu huấn luyện hạn chế. Điều này rất quan trọng để xử lý các môi trường bất thường và dữ liệu không đầy đủ trong các ứng dụng thực tế.

Xếp chồng các đặc điểm không gian và quang phổ: RPSSC đạt được việc xếp chồng hiệu quả các đặc điểm không gian và quang phổ, cho phép mô hình hiểu các hình ảnh siêu phổ một cách toàn diện hơn. Việc sử dụng toàn diện này không chỉ cải thiện độ chính xác của phân loại mà còn nâng cao khả năng nắm bắt của mô hình về cấu trúc bên trong của hình ảnh, cung cấp hỗ trợ mạnh mẽ cho việc phân loại chi tiết hơn.

Thích hợp cho các mẫu đào tạo hạn chế: RPSSC vẫn có thể đạt được độ chính xác phân loại cao với các mẫu đào tạo hạn chế. Ưu điểm này đặc biệt quan trọng trong các ứng dụng thực tế vì trong một số lĩnh vực, việc thu thập dữ liệu được dán nhãn quy mô lớn có thể khó khăn và hiệu quả cao của RPSSC khiến nó phù hợp với các tình huống đầy thách thức này.

Ettoreti : Nhà khoa học trưởng của SnapLogic tiết lộ dự đoán GenAI cho năm 2024

Khắc phục hiệu quả tình trạng làm mịn quá mức: Trong xử lý ảnh siêu phổ, việc làm mịn quá mức thường dẫn đến mất thông tin và ảnh hưởng đến độ chính xác của phân loại.RPSSC khắc phục vấn đề này bằng cách kết hợp thông tin không gian và quang phổ và cải thiện độ chính xác của quá trình xử lý ảnh.

See also  Máy in Komori GLX40RP/GLX44RP áp dụng công nghệ tiên tiến Komori

RPSSC của WIMI được sử dụng rộng rãi trong lĩnh vực phân loại hình ảnh siêu phổ. Công nghệ RPSSC có thể được áp dụng cho các hình ảnh viễn thám siêu phổ được thu thập bởi vệ tinh và máy bay để phân loại lớp phủ mặt đất, khảo sát tài nguyên và giám sát môi trường. Ví dụ, đất nông nghiệp, rừng, vùng nước, v.v. có thể được phân loại chính xác để đạt được hiệu quả quản lý tài nguyên thiên nhiên. Trong nông nghiệp, công nghệ RPSSC có thể được sử dụng để phân loại loại cây trồng, phát hiện bệnh và phân tích đất. Bằng cách phân loại chính xác các hình ảnh siêu phổ, nông dân có thể được giúp tối ưu hóa sản xuất nông nghiệp. Đồng thời, công nghệ RPSSC của WIMI có thể được sử dụng để giám sát môi trường, bao gồm quy hoạch đô thị, giám sát chất lượng nước, giám sát độ che phủ của thảm thực vật, v.v. Thông qua phân tích toàn diện các hình ảnh siêu phổ, ô nhiễm nước và thay đổi hệ sinh thái có thể được theo dõi tốt hơn.

Hướng nghiên cứu trong tương lai của WIMI bao gồm tối ưu hóa hơn nữa thuật toán RPSSC, cải thiện hiệu quả tính toán và thích ứng với các tính toán dữ liệu hình ảnh siêu phổ quy mô lớn. Đồng thời, xét đến vai trò quan trọng của deep learning trong lĩnh vực xử lý ảnh, việc tích hợp công nghệ RPSSC và deep learning có thể là hướng nghiên cứu trong tương lai nhằm cải thiện hơn nữa độ chính xác phân loại và khả năng xử lý các cảnh phức tạp. Đối với các lĩnh vực và kịch bản ứng dụng khác nhau, WIMI cam kết phát triển các giải pháp RPSSC được thiết kế riêng để đáp ứng tốt hơn nhu cầu của các ngành khác nhau.

Công nghệ RPSSC đánh dấu bước đột phá quan trọng của WIMI trong lĩnh vực phân loại hình ảnh siêu phổ. Bằng cách sử dụng đầy đủ các tính năng không gian và quang phổ trong hình ảnh siêu phổ, công nghệ RPSSC thể hiện hiệu suất tuyệt vời và nhiều ứng dụng tiềm năng. Công nghệ RPSSC không chỉ đạt được sự phân loại chính xác hơn mà còn cung cấp những ý tưởng mới để giải quyết các vấn đề của mô hình phức tạp và thời gian đào tạo dài tồn tại trong các phương pháp học sâu truyền thống. Công nghệ RPSSC của WIMI đại diện cho công nghệ phân loại hình ảnh siêu phổ. Sự phát triển và cải tiến không ngừng của công nghệ RPSSC sẽ mang lại nhiều động lực hơn cho tiến bộ khoa học và công nghệ, đổi mới ứng dụng và phát triển xã hội.

Tìm hiểu thêm về Tin tức AiThority: Làm thế nào để tránh ảo giác AI trở thành gánh nặng tốn kém

[To share your insights with us, please write to sghosh@martechseries.com]

[ad_2]

Source link

Click to comment

Leave a Reply

Your email address will not be published. Required fields are marked *