لینک کوتاه : https://magicfile.ir/?p=2507
دانلود نمونه سورس کد نمایه سازی خودکار زبانی تصاویر (ALIP) با رویکرد شبکه عصبی مصنوعی در سی شارپ c#
این مقاله توضیح می‌دهد که چگونه رایانه‌ها می‌توانند در حاشیه‌نویسی هوشمند محتوای داده‌های رسانه‌های صوتی، تصویری یا تصویری با پدیده‌های عجیب و غریب ناشی از چنین زمینه‌های جدیدی که می‌تواند به عنوان «بیگانه‌هراسی هوش مصنوعی» یا «بیگانه‌هراسی سایبری» یا «بیگانه‌هراسی سایبورگ» ابداع شود، استفاده شود.
مقدمه
در حالی که داشتم برنامه‌های هوش مصنوعی را کدنویسی می‌کردم، صدای دلپذیر یک خواننده بچه‌گانه را شنیدم که از طبقه بالای همسایه‌ها می‌آمد و آنها بارها و بارها آن را می‌نواختند. گاهی اوقات به سختی قابل شنیدن ترانه بود، اما من موفق شدم چندین عبارت مشخص را تشخیص دهم تا به موتور جستجوی وب عالی نگاه کنم . تنها عبارت قابل توجهی از آهنگی که به موتور ارسال کردم این بود (برای جلوگیری از تبلیغات بی مورد) بگویید. من انتظار داشتم که تعداد زیادی تبلیغات آرایشی ارائه کند، اما برعکس، فقط یک لینک از صفحه اول نتایج جستجو در میان هرزنامه های صنعت آرایشی به برخی از انجمن های وب موسیقی با دقیقاً همان عبارت از قافیه ها اشاره می کند. کلیک بعدی ماوس و جستجوی دوم روی آن موتور، ابیات گروه موسیقی آهنگ، زبانه های گیتار را به من داد و من را در یوتیوب قرار داد تا به آن کلیپ موسیقی شگفت انگیز گوش کنم.
شگفت آور است که چگونه فردی با دسترسی دائمی به اینترنت می تواند در عرض چند ثانیه پس از شنیدن موسیقی، اطلاعات گروه و کلیپ ویدیویی را برای گوش دادن به او ارائه دهد. این فرآیند به عنوان جستجو در محتوای داده رسانه توصیف می شود. از آنجایی که جستجوهای فعلی وب از اطلاعات متنی برای بازگرداندن نتایج استفاده می‌کنند، در نظر بگیرید که می‌توانید آن را به‌عنوان یک پرس و جوی جستجو یا نمونه صوتی، تصویری یا تصویری به همان روشی که درخواست‌های متنی خود را ارسال می‌کنید، ارائه دهید. همانطور که کامپیوتر در حال گوش دادن به موسیقی بود، می توانست همان اطلاعات را به شما ارائه دهد.
مفهوم شناخته شده به عنوان محاسبات بصری متصل (CVC) به طور فعال توسط اینتل دنبال می شود . CVC به پردازش داده های رسانه مربوط می شود، به عنوان مثال، هنگامی که در میدان دید دوربین تلفن همراه شما جسمی ظاهر می شود (مثلاً مورچه) می توانید شناسایی آن را که توسط تلفن همراه تجزیه و تحلیل تصویر آن به دست آمده است را روی صفحه مشاهده کنید، که می گویند Camponotus herculeanus ، یا وقتی زیرنویسی را در خیابان به زبان ناشناخته می‌بینید، می‌توانید آن را از طریق دوربین تلفن همراه خود مشاهده کنید و در همان مکان در خیابان همان شرح اما به زبان مادری شما نمایش داده می‌شود ( واقعیت افزوده (AR)، دوبعدی/ پوشش های سه بعدی)، یا مثال ارائه شده در بالا با جستجو با استفاده از محتوای صوتی. بازار نوید انتشار بسیار زیاد را می دهد. این بازار معرفی شده برای مدت بسیار طولانی مخاطب را به مصرف سخت افزار و نرم افزار مدرن ادامه می دهد.
در اینجا، می‌خواهم ایده‌ای کلی درباره نحوه استفاده از رایانه برای توصیف تصویری که محتوای پیکسلی آن را تجزیه و تحلیل می‌کند، ارائه کنم که به عنوان فهرست‌بندی خودکار زبانی تصاویر (ALIP) شناخته می‌شود . رویکرد کلی است و همیشه فرض بر این است که برخی از ویژگی‌های توصیفی را از داده‌ها استخراج کند و از برخی قوانین برای نسبت دادن محتوا به دسته‌بندی استفاده کند.
زمینه
درک اولیه رویکردهای هوش مصنوعی، به عنوان مثال، شبکه های عصبی، ماشین های بردار پشتیبانی، طبقه بندی کننده های نزدیکترین همسایه. روش های توصیفی و تبدیلی تصویر به صورت موجک، استخراج لبه، آمار تصویر، هیستوگرام. تجربه C++/C# همانطور که در این مقاله نحوه فراخوانی متدهای C++ DLL را از داخل برنامه C# خواهید دید.
با استفاده از برنامه
در آزمایش ALIP، تصمیم گرفتم دسته بندی های ساده تصاویر طبیعی را حاشیه نویسی کنم. در پروژه 5 طبقه بندی کننده ANN وجود دارد که مربوط به موارد زیر است:
- تصاویری که ممکن است حاوی حیوانات باشد
- تصاویری که ممکن است حاوی گل باشند
- تصاویری که ممکن است حاوی مناظر باشند
- تصاویری که ممکن است حاوی غروب باشد
- تصاویر دیگر که شامل دسته بندی های بالا یا نوع تصویر ناشناخته نیستند
شما باید از دسته‌های ناشناخته به همراه سایر دسته‌بندی‌هایی که می‌خواهید به آنها طبقه‌بندی کنید، استفاده کنید. در غیر این صورت، طبقه‌بندی‌کننده هوش مصنوعی می‌تواند تنها با هر تصویری که می‌دهید، حیوانات، گل‌ها، مناظر، غروب خورشید را شناسایی کند. اما در دنیای واقعی، انواع دیگری از تصاویر وجود دارند که در هیچ یک از دسته بندی های ارائه شده در بالا قرار نمی گیرند، بنابراین باید در آستانه طبقه بندی هوش مصنوعی دخالت کنید که نسبتاً دست و پا گیر و ناخوشایند است. اما با داشتن طبقه‌بندی‌کننده هوش مصنوعی دسته‌بندی ناشناخته، نتایج شناسایی تصویر به‌عنوان یکی از دسته‌های تصویر شناخته شده یا نوع تصویر ساده ناشناخته خواهد بود که رایانه با استفاده از دانش جزئی خود نمی‌تواند شناسایی کند.
برای شما کاربر عزیز پیشنهاد دانلود سورس کد این مقاله داده می شود
