6 ToolsThere are currently three ma

6 Tools
There are currently three major areas of development
in computer vision algorithms. The first is low level
computer detection algorithms. Some of these include
line, shape, and object detection. The second area is
the development of geometries from smaller less complex
components. The last major area is the development
of computer vision systems based strictly on
modeling the human visual system. New computer
vision tools will be developed and enhanced in this
project. There are currently available a large number
of statistical and frequency domain based image processing
algorithms. Therefore, these traditional image
processing algorithms will be used. The development
of new tools will concentrate on neural nets and
object identification tools. One of the new tools under
development is eigan vector parameterization of
classes of images. This technique decomposes parts of
an image into areas of similarity with common objects
and then identifies the object based on the amount of similarity to a known object. This method his
considerable advantages in data compression. These
is evidence that this is how some aspects of
recognition is done. Also, I will continue my development of new neural nets to aid in computer vision
Neural nets have proven useful in locating object
image data. The use of neural net in image processing
and computer vision is not only very powerful, but
also allows the flexibility to develop systems based on
given requirements of a project and still model the
human visual system. I believe the development of
these tools will allow us to develop more intelligent
computer vision systems and understand more of the
of the human visual system.

ผลลัพธ์ (ไทย) 1:

เครื่องมือ 6ปัจจุบันมีสามด้านหลักของการพัฒนาในวิสัยทัศน์คอมพิวเตอร์อัลกอริทึม ครั้งแรกเป็นระดับต่ำตรวจสอบคอมพิวเตอร์อัลกอริทึม เหล่านี้รวมเส้น รูปร่าง และตรวจสอบวัตถุ พื้นที่สองคือการพัฒนาของรูปทรงเรขาคณิตจากซับซ้อนเล็กน้อยคอมโพเนนต์ ตั้งหลักสุดท้ายคือ การพัฒนาระบบวิชั่นคอมพิวเตอร์ใช้อย่างเคร่งครัดในสร้างแบบจำลองระบบภาพมนุษย์ คอมพิวเตอร์เครื่องใหม่วิสัยทัศน์เครื่องมือจะพัฒนา และปรับปรุงนี้โครงการ มีอยู่เป็นจำนวนมากของสถิติ และการประมวลผลภาพจากโดเมนความถี่อัลกอริทึมการ ดังนั้น นี้รูปแบบดั้งเดิมจะต้องใช้อัลกอริทึมการประมวลผล การพัฒนาเครื่องมือใหม่จะเน้นตาข่ายประสาท และเครื่องมือระบุวัตถุ หนึ่งในเครื่องมือใหม่ภายใต้พัฒนาเป็น eigan parameterization เวกเตอร์ของประเภทของภาพ เทคนิคนี้ decomposes ชิ้นส่วนของรูปภาพลงในพื้นที่ของความคล้ายคลึงกันกับวัตถุทั่วไปแล้ว ระบุออบเจ็กต์ที่ขึ้นอยู่กับจำนวนคล้ายคลึงกับวัตถุรู้จัก วิธีการนี้ของเขาประโยชน์มากในการบีบอัดข้อมูล เหล่านี้หลักฐานที่นี้คือวิธีบางแง่มุมของ การรับรู้แล้ว ฉันจะยังคงพัฒนาตาข่ายประสาทใหม่เพื่อช่วยในการมองเห็นคอมพิวเตอร์ของฉันตาข่ายประสาทได้พิสูจน์ให้เป็นประโยชน์ในการค้นหาวัตถุข้อมูลรูปภาพ การใช้ประสาทสุทธิในการประมวลผลภาพและคอมพิวเตอร์วิทัศน์ไม่มีประสิทธิภาพมาก แต่นอกจากนี้ยัง ช่วยให้ความคล่องตัวในการพัฒนาระบบตามกำหนดความต้องการของโครงการและรูปแบบยังคงระบบภาพมนุษย์ ผมเชื่อว่าการพัฒนาเครื่องมือเหล่านี้จะช่วยให้เราสามารถพัฒนาไปวิสัยทัศน์ระบบคอมพิวเตอร์ และเข้าใจมากกว่าการระบบภาพมนุษย์

ผลลัพธ์ (ไทย) 2:

6 เครื่องมือ
ขณะนี้มีสามพื้นที่หลักของการพัฒนา
ในขั้นตอนวิธีคอมพิวเตอร์วิสัยทัศน์ ครั้งแรกคือในระดับต่ำ
ขั้นตอนวิธีการตรวจสอบเครื่องคอมพิวเตอร์ บางส่วนของเหล่านี้รวมถึง
เส้นรูปร่างและการตรวจจับวัตถุ พื้นที่ที่สองคือ
การพัฒนาของรูปทรงเรขาคณิตที่ซับซ้อนน้อยลงจากที่มีขนาดเล็ก
ส่วนประกอบ พื้นที่ที่สำคัญที่ผ่านมาคือการพัฒนา
ระบบคอมพิวเตอร์วิสัยทัศน์ตามอย่างเคร่งครัดใน
การสร้างแบบจำลองระบบการมองเห็นของมนุษย์ คอมพิวเตอร์เครื่องใหม่
เครื่องมือวิสัยทัศน์ที่จะได้รับการพัฒนาและปรับปรุงใน
โครงการ ขณะนี้ที่มีอยู่เป็นจำนวนมาก
ของโดเมนสถิติและความถี่ตามการประมวลผลภาพ
ขั้นตอนวิธีการ ดังนั้นภาพแบบดั้งเดิมเหล่านี้
ขั้นตอนวิธีการประมวลผลจะใช้ การพัฒนา
ของเครื่องมือใหม่จะมีสมาธิในประสาทและ
เครื่องมือประจำตัววัตถุ หนึ่งในเครื่องมือใหม่ภายใต้
การพัฒนาเป็น parameterization เวกเตอร์ eigan ของ
ชั้นเรียนของภาพ เทคนิคนี้จะสลายตัวส่วนของ
ภาพเป็นพื้นที่ของความคล้ายคลึงกันกับวัตถุที่พบโดยทั่วไป
แล้วระบุวัตถุขึ้นอยู่กับปริมาณของความคล้ายคลึงกันกับวัตถุที่รู้จักกัน วิธีการนี้ของเขา
ได้เปรียบมากในการบีบอัดข้อมูล เหล่านี้
เป็นหลักฐานว่านี้เป็นวิธีที่บางแง่มุมของ
การรับรู้จะทำ นอกจากนี้ผมจะยังคงพัฒนาของฉันของประสาทใหม่เพื่อช่วยในการมองเห็นของคอมพิวเตอร์
มุ้งประสาทได้รับการพิสูจน์ที่มีประโยชน์ในการตั้งวัตถุ
ข้อมูลภาพ การใช้งานของสุทธิประสาทในการประมวลผลภาพ
และวิสัยทัศน์คอมพิวเตอร์ไม่ได้เป็นเพียงที่มีประสิทธิภาพมาก แต่
ยังช่วยให้ความยืดหยุ่นในการพัฒนาระบบขึ้นอยู่กับ
ความต้องการที่กำหนดของโครงการและยังคงรูปแบบ
ระบบการมองเห็นของมนุษย์ ผมเชื่อว่าการพัฒนาของ
เครื่องมือเหล่านี้จะช่วยให้เราในการพัฒนาความคิดสร้างสรรค์มากขึ้น
ระบบคอมพิวเตอร์วิสัยทัศน์และเข้าใจมากขึ้นของ
ระบบภาพของมนุษย์

ผลลัพธ์ (ไทย) 3:

6 เครื่องมือ
ในปัจจุบันมีอยู่สามพื้นที่หลักของการพัฒนา
ในขั้นตอนวิธีวิสัยทัศน์คอมพิวเตอร์ อย่างแรกคือขั้นตอนวิธีการตรวจสอบคอมพิวเตอร์ระดับ
น้อย บางส่วนของเหล่านี้รวมถึง
เส้น รูปร่าง และการตรวจหาวัตถุ พื้นที่ที่สองคือการพัฒนาโครงสร้างส่วนประกอบ

จากที่ซับซ้อนน้อยขนาดเล็ก พื้นที่หลักสุดท้ายคือการพัฒนาระบบการมองเห็นของคอมพิวเตอร์

ใช้อย่างเคร่งครัดในการจำลองระบบการมองเห็นของมนุษย์ เครื่องมือวิสัยทัศน์คอมพิวเตอร์
ใหม่จะถูกพัฒนา และปรับปรุงในโครงการนี้

มีพร้อมใช้งานในขณะนี้
จำนวนมากของสถิติและโดเมนความถี่ตามขั้นตอนวิธีการประมวลผล
ภาพ ดังนั้นเหล่านี้ขั้นตอนวิธีการประมวลผลภาพ
แบบดั้งเดิมจะใช้ การพัฒนา
เครื่องมือใหม่จะเน้นและมุ้งประสาท
เครื่องมือระบุวัตถุเป็นหนึ่งในเครื่องมือใหม่ในการพัฒนาเป็น parameterization เวกเตอร์ eigan ของ
บทเรียนของภาพ เทคนิคนี้สลายตัว ส่วนของ
ภาพลงในพื้นที่ของความคล้ายคลึงกับวัตถุทั่วไป
แล้วระบุวัตถุขึ้นอยู่กับปริมาณของความคล้ายคลึงกับวัตถุที่รู้จักกัน วิธีนี้เขา
มากข้อได้เปรียบในการบีบอัดข้อมูล . เหล่านี้คือหลักฐานว่าเป็นยังไง

บางด้านการรับรู้แล้ว ผมก็จะยังคงของฉันพัฒนาแหประสาทใหม่เพื่อช่วยในวิสัยทัศน์
คอมพิวเตอร์ตาข่ายประสาทได้พิสูจน์ประโยชน์ในการค้นหาวัตถุ
ข้อมูลภาพ การใช้นิวรอลเน็ตในการประมวลผลภาพ
และคอมพิวเตอร์วิสัยทัศน์ไม่ได้เป็นเพียงที่มีประสิทธิภาพมาก แต่ยังช่วยให้ความยืดหยุ่นให้

ให้พัฒนาระบบตามความต้องการของโครงการและยังคงรูปแบบ
มนุษย์ภาพระบบผมเชื่อว่าการพัฒนา
เครื่องมือเหล่านี้จะช่วยให้เราพัฒนาระบบคอมพิวเตอร์วิสัยทัศน์ที่ฉลาดมากขึ้นและเข้าใจมากขึ้น

ของระบบการมองเห็นของมนุษย์