ナンバープレート認識システムアルゴリズムの工学-Tigerwong

しかし、ナンバープレート認識システム、あなたのユーザーがグラフィックカードを持っていると確信していますか? あなた自身の会社や研究室では、何百ものチームを持つ会社がグラフィックカードを持っていないとは思わないかもしれません。 ハードウェア条件は基本的に満たすことができます。しかし、ユーザーにとっては、すべてが異なる場合があります。 お客様のコンピュータ/サーバーで実行する必要があります。 多くのプロジェクトがあります。 多くの環境では、GPUはありません。エンジニアリングを行う場合、GPUは贅沢かもしれません。 コンピュータビジョンプロジェクトでは、顧客が独自のハードウェア (インテリジェント製造分野の欠陥検出装置など) でモデルを持ち運ぶ必要がある場合、事前にユーザーにハードウェア構成を確認することが非常に重要です。

顧客がGPUが何であるかを知っているかどうかは、絶対に協力の難しさの分岐点です。 GPUが何であるかを知り、知ることはより簡単になります。GPUについて何も知らないか、Intel GPUのみを使用している場合、着陸の難しさは指数関数的に増加します。 単純な基準: 顧客と通信するとき。 事前にユーザーと連絡を取ってください。 グラフィックカードを見つけるのは難しいです。データはありますか? 内部ディスカッションの最初の質問は、プロジェクトにデータがあるかどうかです。すべてのアイテム。 技術者が紙を複製するとき、しばしば既製のデータセットがあります。 データをきれいにしました。 プロジェクトが開始されると、データセットの取得とデータセットの前処理が最も時間のかかるリンクになります。 多くのプロジェクトを引き継ぎ、すべてのビジネスの詳細について話し合った後、技術者は、顧客にデータがないか、データが十分ではないことに気づきました。 データで... あなたはそれを理解できますか? ほとんどのコンピュータビジョンプロジェクトでは、最後の質問が続きます。ナンバープレート認識システムの顧客データを本当に理解できません。 たとえば、医用画像やデータのラベル付けは、医師がうまくいくために何年ものトレーニングを必要とするものです。 医学的背景のないシーケンサーにとって、これらのデータを短時間で理解することは困難です。 今年の初めに、私は工場の欠陥識別を行い、どのネットワークとレイアウトモードを使用するかを考え出しました。 その結果、写真がわからず、マークもできませんでした。

すべてが壊れているように見えますが、工場の品質検査官は一目で正常と欠陥を区別できます。 この業界のノウハウは非常に重要です。 医療関係者以外では、どの血管造影が診断に役立つかを確認することは困難です。 お互いの期待を理解していますか? それは「人工知能は全能である」という印象を生み出しました。 ユーザーと技術者の間の情報の非対称性は、プロジェクトに対するさまざまな期待につながります。 近年のメディアでの人工知能业界の誇張された报告のために、人工知能と接触したことがないユーザーに直面して。

ユーザーが次の点を理解していることを確認してください。ただし、この精度は保証できません。 トレーニングデータから非常に遠いいずれの場合でも、1。 テストセットの精度のみが保証されます。 それは再現することができます; 2. 機械学習プロジェクトでは100% の精度を達成できません。Microsoftのオフラインダウンロードを購入して使用できるわけではありません。 3. トレーニングには時間がかかります。 エンジニアリングで最も厄介なことは、顧客のために多くのデモを行うことです。 これらのデモは時間の無駄ですが、私たちはそれらを行うことはできません。 だから、各コンピュータビジョンプロジェクトの時間を節約するために、私はついに。 Tegucvをビジュアルコンピュータービジョンおよびニューラルネットワークツールにしました。 現在、画像認識、ビデオ分類、顔の比較、ナンバープレート認識をサポートしており、tegucvはウィンドウの純粋なローカル操作をサポートしています。 ナンバープレート認識システムには、自動パラメータ選択、HTTPサーバー、その他の機能も含まれています。コンピュータビジョンモデルのトレーニングを10分で開始します。 多くの簡単な仕事はtegucvで直接実現することができます。 開発者がテクノロジーをすばやく実装するのは便利で、多くの簡単な作業をはがすことができます。