प्रौद्योगिकी साझेदारी

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

चित्रवर्गीकरणं गहनशिक्षणस्य आधारेण सङ्गणकदृष्टिकार्यस्य सरलतमः मूलभूततमः च वर्गः अस्ति यस्मिन् प्रयुक्ता CNN विशेषतानिष्कासनप्रौद्योगिकी लक्ष्यपरिचयः लक्ष्यविभाजनम् इत्यादीनां दृश्यकार्यस्य आधारः अपि अस्ति

बिम्बवर्गीकरणकार्यस्य विशिष्टा विशिष्टा प्रक्रिया निम्नलिखितरूपेण भवति ।
1. निर्दिष्ट आकारस्य, 1/3 चैनलस्य, विस्तारस्य, ऊर्ध्वतायाः च RGB चित्रं निवेशयन्तु सामान्यतया समानाः भवन्ति
2. उच्च-आयामी-विशेषता-मूल्यानि जनयितुं कन्वोल्यूशनल् न्यूरल-जालस्य माध्यमेन बहु-परिमाणस्य विशेषता-निष्कासनम्
3. उच्च-आयामी-विशेषतानां वर्गीकरणार्थं पूर्णतया सम्बद्धस्य जालस्य वा अन्यस्य संरचनायाः उपयोगं कुर्वन्तु तथा च प्रत्येकस्य लक्ष्यवर्गीकरणस्य संभाव्यतामूल्यं निर्गन्तुं (संभावनानां योगः 1 भवति)
4. चित्रवर्गीकरणपरिणामरूपेण उच्चतमसंभाव्यतामूल्यं यस्य चयनं भवति

opencv.dnn模块可以直接加载深度学习模型，并进行推理输出运行结果。下面是opencv.dnn模块加载googlenet caffe模型进行图片分类的代码。
import cv2
import numpy as np
from labels import LABEL_MAP # 1000 labels in imagenet dataset

if __name__=='__main__':

                    上一篇
                    下一篇