ပုံများကို ချုံ့ရန် AI ကို အသုံးပြုခြင်း။

အာရုံကြောကွန်ရက်များကဲ့သို့ ဒေတာမောင်းနှင်သည့် အယ်လဂိုရီသမ်များသည် ကမ္ဘာကြီးကို မုန်တိုင်းဖြင့် သိမ်းပိုက်ခဲ့သည်။ ၎င်းတို့၏ ဖွံ့ဖြိုးတိုးတက်မှုသည် ဈေးပေါပြီး အစွမ်းထက်သော စက်ကိရိယာများနှင့် ဒေတာပမာဏများစွာ အပါအဝင် အကြောင်းရင်းများစွာကြောင့် ဖြစ်သည်။ အာရုံကြောကွန်ရက်များသည် လက်ရှိတွင် ရုပ်ပုံအသိအမှတ်ပြုမှု၊ သဘာဝဘာသာစကားနားလည်မှုစသည်ဖြင့် "သိမြင်မှု" အလုပ်များနှင့် ပတ်သက်သည့်အရာအားလုံး၏ ရှေ့တန်းမှဖြစ်သည်။ ဒါပေမယ့် ဒီလိုအလုပ်တွေကို ကန့်သတ်မထားသင့်ပါဘူး။ ကျန်ရှိသောသင်ယူမှုကို အသုံးပြု၍ အာရုံကြောကွန်ရက်များကို အသုံးပြု၍ ပုံများကို ချုံ့နည်းအကြောင်း ဤဆောင်းပါးတွင် ဆွေးနွေးထားသည်။ ဆောင်းပါးတွင် တင်ပြထားသည့် ချဉ်းကပ်မှုသည် စံကုဒ်ဒစ်များထက် ပိုမြန်သည်။ အစီအစဥ်များ၊ ညီမျှခြင်းများနှင့် ဖြတ်တောက်မှုအောက်တွင် စာမေးပွဲများပါသော ဇယားတစ်ခု။

ဤဆောင်းပါးကိုအခြေခံသည်။ ဤ အလုပ်။ သင်သည် အာရုံကြောကွန်ရက်များနှင့် ၎င်းတို့၏ အယူအဆများကို ရင်းနှီးကျွမ်းဝင်သည်ဟု ယူဆပါသည်။ convolution и ဆုံးရှုံးမှု function ကို.

ရုပ်ပုံချုံ့ခြင်းဆိုတာ ဘာလဲ၊ ဘယ်လိုအလုပ်လုပ်လဲ။

Image compression သည် နေရာလွတ်နည်းပါးစေရန် ဓါတ်ပုံတစ်ပုံကို ပြောင်းလဲသည့် လုပ်ငန်းစဉ်ဖြစ်သည်။ ပုံများကို သိမ်းဆည်းထားရုံဖြင့် နေရာများစွာယူရမည်ဖြစ်ပြီး၊ ထို့ကြောင့် မူရင်းပုံ၏အရွယ်အစားကို လျှော့ချရန် ရည်ရွယ်သော JPEG နှင့် PNG ကဲ့သို့သော codec များရှိသည်။

သင်သိသည့်အတိုင်း၊ image compression နှစ်မျိုးရှိသည်။ ဆုံးရှုံးမှုမရှိပါ။ и ဆုံးရှုံးမှုများနှင့်. အမည်များ အကြံပြုထားသည့်အတိုင်း၊ ဆုံးရှုံးမှုမရှိသော ဖိသိပ်မှုသည် မူရင်းပုံဒေတာကို ထိန်းသိမ်းထားနိုင်ပြီး ဆုံးရှုံးမှုမရှိသော ချုံ့မှုသည် ချုံ့နေစဉ်အတွင်း ဒေတာအချို့ ဆုံးရှုံးသွားနိုင်သည်။ ဥပမာအားဖြင့်၊ JPG သည် lossy algorithms [approx. ဘာသာပြန် - အခြေခံအားဖြင့်၊ ဆုံးရှုံးမှုမရှိသော JPEG] ကိုလည်း မမေ့ပါနှင့် PNG သည် ဆုံးရှုံးမှုမရှိသော အယ်လဂိုရီသမ်တစ်ခုဖြစ်သည်။

ဆုံးရှုံးမှုမရှိခြင်းနှင့် ဆုံးရှုံးမှုမရှိသော ချုံ့ခြင်း နှိုင်းယှဉ်ခြင်း။

ပုံတွင် ညာဘက်တွင် blocky artifact အများအပြား ရှိနေကြောင်း သတိပြုပါ။ ဒါက ပျောက်ဆုံးနေတဲ့ အချက်အလက်ပါ။ နေရာချွေတာရန်အတွက် တူညီသောအရောင်များ၏ အိမ်နီးချင်းပစ်ဆယ်များကို ဧရိယာတစ်ခုတည်းအဖြစ် ဖိသိပ်ထားသော်လည်း တကယ့် pixels နှင့်ပတ်သက်သည့် အချက်အလက် ပျောက်ဆုံးသွားပါသည်။ ဟုတ်ပါတယ်၊ JPEG၊ PNG အစရှိတဲ့ codecs တွေမှာသုံးတဲ့ algorithms တွေက အများကြီး ပိုရှုပ်ထွေးပါတယ်၊ ဒါပေမယ့် ဒါက ဆုံးရှုံးမှု ဖိသိပ်မှုရဲ့ အလိုလိုသိသာတဲ့ ဥပမာတစ်ခုပါပဲ။ Lossless compression သည် ကောင်းမွန်သော်လည်း ဆုံးရှုံးမှုမရှိသော compressed ဖိုင်များသည် disk space အများအပြားယူသည်။ အချက်အလက်များစွာ မဆုံးရှုံးဘဲ ပုံများကို ချုံ့ရန် ပိုမိုကောင်းမွန်သော နည်းလမ်းများ ရှိသော်လည်း ၎င်းတို့သည် အလွန်နှေးကွေးပြီး ထပ်ခါထပ်ခါ ချဉ်းကပ်မှုများကို အများအပြား အသုံးပြုကြသည်။ ဆိုလိုသည်မှာ ၎င်းတို့သည် CPU သို့မဟုတ် GPU core အများအပြားတွင် အပြိုင်လုပ်ဆောင်၍မရပါ။ ဤကန့်သတ်ချက်သည် ၎င်းတို့ကို နေ့စဉ်အသုံးပြုရာတွင် လုံးဝလက်တွေ့မဖြစ်စေသည်။

Convolutional Neural Network ထည့်သွင်းခြင်း။

တစ်ခုခုကို တွက်ချက်ရန်လိုအပ်ပြီး တွက်ချက်မှုများသည် အနီးစပ်ဆုံးဖြစ်လျှင် ထည့်ပါ။ မသေခင်. စာရေးဆရာများသည် ရုပ်ပုံဖိသိပ်မှုကို ပိုမိုကောင်းမွန်စေရန်အတွက် စံပြုရိုးစင်းသော အာရုံကြောကွန်ရက်ကို အသုံးပြုခဲ့သည်။ တင်ပြထားသောနည်းလမ်းသည် အကောင်းဆုံးဖြေရှင်းနည်းများနှင့် တန်းတူလုပ်ဆောင်ရုံသာမက (မပိုမိုကောင်းမွန်ပါက) မြန်နှုန်းကို သိသိသာသာတိုးလာစေသည့် Parallel Computing ကိုလည်း အသုံးပြုနိုင်သည်။ အကြောင်းပြချက်မှာ Convolutional Neural Networks (CNNs) သည် ပုံများမှ spatial information ကို ထုတ်ယူရာတွင် အလွန်ကောင်းမွန်သောကြောင့်၊ ထို့နောက် ပိုမိုကျစ်လစ်သောပုံစံဖြင့် တင်ပြခြင်းဖြစ်သည် (ဥပမာ၊ ရုပ်ပုံ၏ "အရေးကြီးသော" bits များကိုသာ ထိန်းသိမ်းထားသည်)။ စာရေးဆရာများသည် ရုပ်ပုံများကို ပိုမိုကောင်းမွန်စွာ ကိုယ်စားပြုရန် ဤ CNN စွမ်းရည်ကို အသုံးပြုလိုကြသည်။

ဗိသုကာအတတ်ပညာ

စာရေးသူက နှစ်ထပ်ကွန်ရက်ကို အဆိုပြုခဲ့သည်။ ပထမကွန်ရက်သည် ပုံတစ်ပုံကို ထည့်သွင်းပြီး သေးငယ်သော ကိုယ်စားပြုမှု (ComCNN) ကို ထုတ်ပေးသည်။ ထို့နောက် ဤကွန်ရက်၏ အထွက်ကို စံကုဒ်ဒက် (ဥပမာ JPEG) ဖြင့် လုပ်ဆောင်သည်။ ကုဒ်ဒက်ဖြင့် လုပ်ဆောင်ပြီးနောက်၊ ပုံအား မူရင်းပုံသို့ ပြန်သွားရန် ကြိုးပမ်းမှုဖြင့် ကုဒ်ဒက်မှ ပုံအား "ပြင်ပေးသည်" ဟူသော ဒုတိယကွန်ရက်သို့ ပေးပို့သည်။ စာရေးသူက ဤကွန်ရက်ကို Reconstructive CNN (RecCNN) ဟု အမည်ပေးခဲ့သည်။ GAN ကဲ့သို့ပင်၊ ကွန်ရက်နှစ်ခုလုံးကို အထပ်ထပ် လေ့ကျင့်ထားသည်။

ComCNN Compact ကိုယ်စားပြုမှုကို စံကုဒ်ဒက်သို့ ပေးပို့သည်။

RecCNN ComCNN output ကို ချဲ့ထွင်ပြီး ကျန်အရာများကို လေ့လာရန် ကြိုးပမ်းမည့် RecCNN သို့ ကျွေးမွေးပါသည်။

ကုဒ်ဒက်အထွက်ကို အတိုင်းအတာမြှင့်ပြီး RecCNN သို့ ပေးပို့သည်။ RecCNN သည် ပုံအား မူရင်းပုံနှင့် အနီးစပ်ဆုံးဖြစ်အောင် တတ်နိုင်သမျှ ကြိုးစားပေးပါမည်။

အဆုံးမှအဆုံး ပုံချုံ့မှုဘောင်။ Co..) သည် ပုံချုံ့မှု အယ်လဂိုရီသမ်တစ်ခုဖြစ်သည်။ စာရေးဆရာများသည် JPEG၊ JPEG2000 နှင့် BPG သုံးသည်။

အကြွင်းဆိုတာဘာလဲ။

အကြွင်းအကျန်ကို codec ဖြင့် decode လုပ်ထားသော ပုံအား "တိုးတက်ကောင်းမွန်စေရန်" အပြီးလုပ်ဆောင်ခြင်းအဆင့်အဖြစ် ယူဆနိုင်သည်။ ကမ္ဘာကြီးနှင့်ပတ်သက်သော "သတင်းအချက်အလက်" အများအပြားရှိခြင်း၊ အာရုံကြောကွန်ရက်တစ်ခုသည် ပြုပြင်ရမည့်အရာနှင့်ပတ်သက်၍ သိမြင်နားလည်မှုဆိုင်ရာ ဆုံးဖြတ်ချက်များကို ချမှတ်နိုင်သည်။ ဒီအယူအဆကို အခြေခံတယ်။ ကျန်နေတဲ့ သင်ယူမှု၊ သင်လုပ်နိုင်သည့်အသေးစိတ်အချက်အလက်များကိုဖတ်ပါ။ ဒီမှာ.

ဆုံးရှုံးမှုများ

ကျွန်ုပ်တို့တွင် အာရုံကြောကွန်ရက်နှစ်ခုရှိသောကြောင့် ဆုံးရှုံးမှုလုပ်ဆောင်ချက်နှစ်ခုကို အသုံးပြုပါသည်။ ဤအရာများထဲမှ ပထမဆုံး ComCNN ကို L1 ဟု တံဆိပ်တပ်ထားပြီး အောက်ပါအတိုင်း သတ်မှတ်ထားသည်-

ComCNN အတွက် ဆုံးရှုံးမှုလုပ်ဆောင်ချက်

ရှင်းလင်းချက်

ဤညီမျှခြင်းသည် ရှုပ်ထွေးသည်ဟုထင်ရသော်လည်း အမှန်တကယ်မှာ စံနှုန်းဖြစ်သည် (root mean square error) MSE. ||² ဆိုသည်မှာ ၎င်းတို့ထည့်သွင်းထားသော vector ၏ စံနှုန်းဖြစ်သည်။

ညီမျှခြင်း ၁.၁

Cr သည် ComCNN ၏ output ကိုရည်ညွှန်းသည်။ θ သည် ComCNN ကန့်သတ်ချက်များ၏ သင်ယူနိုင်မှုကို ရည်ညွှန်းသည်၊ XK သည် ထည့်သွင်းပုံဖြစ်သည်။

ညီမျှခြင်း ၁.၁

Re() RecCNN ကို ကိုယ်စားပြုသည်။ ဤညီမျှခြင်းသည် ညီမျှခြင်း 1.1 ၏အဓိပ္ပာယ်ကို RecCNN သို့ ရိုးရိုးရှင်းရှင်းဖော်ပြသည်။ θ သည် RecCNN လေ့ကျင့်နိုင်သော ကန့်သတ်ဘောင်များကို ရည်ညွှန်းသည် (အပေါ်ဘက်ရှိ ဦးထုပ်ဆိုသည်မှာ ကန့်သတ်ချက်များကို ပြင်ဆင်ထားသည်)။

ပင်ကိုယ်အဓိပ္ပါယ်

Equation 1.0 သည် RecCNN ဖြင့် ပြန်လည်ဖန်တီးသောအခါတွင်၊ ထည့်သွင်းပုံနှင့် တတ်နိုင်သမျှ ဆင်တူစေရန် ComCNN သည် ၎င်း၏အလေးချိန်များကို ပြောင်းလဲစေမည်ဖြစ်သည်။ ဒုတိယ RecCNN ဆုံးရှုံးမှု function ကို အောက်ပါအတိုင်း သတ်မှတ်သည်။

ညီမျှခြင်း ၁.၁

ရှင်းလင်းချက်

တဖန်၊ လုပ်ဆောင်ချက်သည် ရှုပ်ထွေးနေမည်ဖြစ်သော်လည်း ၎င်းသည် အများစုအတွက် စံအာရုံကြောကွန်ရက်ဆုံးရှုံးမှုလုပ်ဆောင်ချက် (MSE) ဖြစ်သည်။

ညီမျှခြင်း ၁.၁

Co() codec output ကိုဆိုလိုသည်၊ x သည် အပေါ်မှ ဦးထုပ်ပါသော ComCNN output ကို ဆိုလိုသည်။ θ2 သည် RecCNN လေ့ကျင့်နိုင်သော ဘောင်များဖြစ်သည်၊ res() RecCNN ၏ အကြွင်းအကျန်ထွက်ပေါက်မျှသာဖြစ်သည်။ RecCNN သည် Co() နှင့် input image အကြား ခြားနားချက်အပေါ် လေ့ကျင့်သင်ကြားထားသော်လည်း input image တွင် မဟုတ်ပါ။

ပင်ကိုယ်အဓိပ္ပါယ်

Equation 2.0 သည် RecCNN ကို ၎င်း၏ အလေးချိန်များကို ပြောင်းလဲစေမည်ဖြစ်ပြီး အထွက်အား ထည့်သွင်းပုံနှင့် တတ်နိုင်သမျှ ဆင်တူစေရန် လုပ်ဆောင်ပေးမည်ဖြစ်သည်။

သင်ယူမှုအစီအစဉ်

မော်ဒယ်တွေကို အထပ်ထပ် လေ့ကျင့်တာတွေ၊ GAN. ဒုတိယမော်ဒယ်၏အလေးများကို အဆင့်မြှင့်တင်နေချိန်တွင် ပထမမော်ဒယ်၏အလေးချိန်များကို ပုံသေသတ်မှတ်ထားပြီး၊ ထို့နောက် ပထမမော်ဒယ်အား လေ့ကျင့်နေချိန်တွင် ဒုတိယမော်ဒယ်၏အလေးချိန်များကို ပုံသေသတ်မှတ်ထားသည်။

စမ်းသပ်မှုများ

စာရေးသူများသည် ၎င်းတို့၏နည်းလမ်းကို ရိုးရှင်းသောကုဒ်ဒစ်များအပါအဝင် ရှိပြီးသားနည်းလမ်းများနှင့် နှိုင်းယှဉ်ပါသည်။ ၎င်းတို့၏နည်းလမ်းသည် သင့်လျော်သော ဟာ့ဒ်ဝဲတွင် မြန်နှုန်းမြင့်မှုကို ထိန်းသိမ်းထားစဉ် အခြားသူများထက် ပိုမိုကောင်းမွန်စွာ လုပ်ဆောင်သည်။ ထို့အပြင် စာရေးသူသည် ကွန်ရက်နှစ်ခုမှ တစ်ခုသာ အသုံးပြုရန် ကြိုးစားခဲ့ပြီး စွမ်းဆောင်ရည်ကျဆင်းသွားကြောင်း မှတ်ချက်ပြုခဲ့သည်။

ဖွဲ့စည်းပုံဆိုင်ရာ တူညီမှု အညွှန်းကိန်း နှိုင်းယှဉ်မှု (SSIM)။ မြင့်မားသောတန်ဖိုးများသည် မူရင်းနှင့် ပိုမိုကောင်းမွန်သော ဆင်တူကြောင်းကို ဖော်ပြသည်။ Bold type သည် စာရေးဆရာများ၏ အလုပ်ရလဒ်ကို ညွှန်ပြသည်။

ကောက်ချက်

ရုပ်ပုံချုံ့ခြင်းအတွက် နက်နဲသောသင်ယူမှုကို အသုံးပြုရန် နည်းလမ်းအသစ်ကို ကျွန်ုပ်တို့ကြည့်ရှုခဲ့ပြီး၊ ရုပ်ပုံအမျိုးအစားခွဲခြားခြင်းနှင့် ဘာသာစကားလုပ်ဆောင်ခြင်းကဲ့သို့သော "ယေဘူယျ" အလုပ်များအပြင် အလုပ်များတွင် အာရုံကြောကွန်ရက်များကို အသုံးပြုခြင်းဖြစ်နိုင်ခြေအကြောင်း ဆွေးနွေးခဲ့ကြသည်။ ဤနည်းလမ်းသည် ခေတ်မီလိုအပ်ချက်များထက် နိမ့်ကျရုံသာမက ပုံများကို ပိုမိုမြန်ဆန်စွာ လုပ်ဆောင်နိုင်စေပါသည်။

ကျွန်ုပ်တို့သည် အထူးသဖြင့် Habravchan အတွက် ပရိုမိုကုဒ်တစ်ခု ပြုလုပ်ထားသောကြောင့် အာရုံကြောကွန်ရက်များကို သင်ယူခြင်းသည် ပိုမိုလွယ်ကူလာပါသည်။ HABRနဖူးစည်းတွင် ဖော်ပြထားသည့် လျှော့စျေးသို့ အပို 10% လျှော့စျေးကို ပေးသည်။

• Data Science ပညာရပ်ကို အစမှအဆုံး သင်ကြားပေးခြင်း။
• ဒေတာသိပ္ပံ အွန်လိုင်း Bootcamp
• Data Analyst ၏ အသက်မွေးဝမ်းကြောင်းကို အစမှ သင်ကြားလေ့ကျင့်ပေးခြင်း
• Data Analytics အွန်လိုင်း Bootcamp
• Python for Web Development သင်တန်း

နောက်ထပ်သင်တန်းများ

• Data Analytics သင်တန်း
• DevOps သင်တန်း
• ပရော်ဖက်ရှင်နယ် Web developer
• အလုပ်အကိုင် iOS developer အစမှ
• ပရော်ဖက်ရှင်နယ် Android developer သည် အစမှအဆုံးဖြစ်သည်။
• ပရော်ဖက်ရှင်နယ် Java developer သည် အစမှအဆုံးဖြစ်သည်။
• JavaScript သင်တန်း
• စက်သင်ယူမှုသင်တန်း
• "ဒေတာသိပ္ပံအတွက် သင်္ချာနှင့် စက်သင်ယူခြင်း" သင်တန်း၊
• အဆင့်မြင့်သင်တန်း "Machine Learning Pro + Deep Learning"

အထူးအသားပေး ဆောင်းပါးများ

• အွန်လိုင်းသင်တန်းများမပါပဲ Data Scientist တစ်ယောက်ဖြစ်အောင် ဘယ်လိုလုပ်မလဲ။
• အခမဲ့ Ivy League သင်တန်းများ 450
• Machine Learning ကို တစ်ပတ် ၅ ရက် ၉ လဆက်တိုက် လေ့လာနည်း
• ဒေတာခွဲခြမ်းစိတ်ဖြာသူသည် မည်မျှရရှိသနည်း- 2020 ခုနှစ်တွင် ရုရှားနိုင်ငံရှိ လစာနှင့် လစ်လပ်နေရာများ၏ ခြုံငုံသုံးသပ်ချက်
• သတ္တုတွင်းလုပ်ငန်းတွင် စက်သင်ယူခြင်းနှင့် ကွန်ပျူတာအမြင်

source: www.habr.com