Abstrato

Aprendizagem automática 2018: Aprendizagem profunda: utilização de IA para organizar imagens - Centro Aisha Al Owais-Sharjah de Astronomia e Ciências Espaciais

Aisha Al Owais

Vivendo no século XXI, a arma mais notável da humanidade é a inovação. O campo de inovação em que estamos interessados ??é a engenharia de software, explicitamente a Inteligência Artificial (IA). Como o nome sugere, a IA está ligada à transformação de dispositivos em operadores astutos que realizam atividades dependendo do planeta que veem. São também adaptáveis ??na medida em que alteram o seu objetivo, o que pretendem fazer, bem como alteram as suas atividades em função da sua condição evolutiva. O que torna os operadores de IA pouco convencionais é a sua capacidade de absorver e recordar os seus erros. Além disso, o Machine Learning (ML) é uma das aplicações de IA que capacita as estruturas para se adaptarem naturalmente, melhorarem através da compreensão e alterarem as suas atividades sem mediação humana. Isto leva-nos ao Deep Learning (DL), outro subcampo do ML preocupado com os cálculos despertados pela estrutura e capacidade da mente humana, denominados sistemas neurais falsificados. Possui sistemas adequados para captar informação obtida a partir de informação ensinada ou não rotulada; consequentemente, é também conhecida como Rede Neural Profunda (DNN). Cada um destes termos leva-nos ao que mais nos interessa, as Redes Neurais Convolucionais (CNNs), que é um sistema neural profundo que é especificamente ajustado divisor para organizar imagens, para que o nosso cenário agrupe imagens de estrelas cadentes. de partes perdidas ou deterioradas de imagens e vídeos. No mundo dos museus, no caso de uma pintura valiosa, esta tarefa seria realizada por um conservador ou restaurador de arte qualificado. No mundo digital, o inpainting refere-se à aplicação de algoritmos sofisticados para substituir partes perdidas ou corrompidas dos dados de imagem. Esta definição oficial de inpainting na Wikipédia já tem em conta a utilização de “algoritmos sofisticados” que fazem o mesmo trabalho de sobrescrever manualmente. imperfeições ou reparação de defeitos, mas numa fração do tempo. À medida que as tecnologias de aprendizagem profunda avançam, no entanto, o processo de pintura tornou-se automatizado de uma forma tão completa que, atualmente, não requer qualquer intervenção humana. Basta alimentar uma imagem danificada numa rede neural e receber a saída corrigida. Vá em frente e experimente você mesmo, com o playground web da NVIDIA que demonstra como a sua rede preenche uma parte que falta em qualquer imagem. Basta arrastar e largar qualquer ficheiro de imagem, apagar uma parte dele com o cursor e observar como a IA o corrige . Experimentei em algumas fotos espalhadas pela minha área de trabalho. Aqui está um deles abaixo, com um grande pedaço do meu rosto em falta e a rede neural a restaurá-lo novamente em questão de segundos, embora me fazendo parecer que acabei de sair de uma luta de rua. máquinas pode realizar tarefas que normalmente requerem inteligência humana. Abrange a aprendizagem automática, onde as máquinas podem aprender por experiência e adquirir competências sem envolvimento humano.A aprendizagem profunda é um subconjunto da aprendizagem automática onde as redes neuronais artificiais, algoritmos inspirados no cérebro humano, aprendem com grandes quantidades de dados. Da mesma forma que aprendemos com a experiência, o algoritmo de aprendizagem profunda executaria uma tarefa repetidamente, ajustando-a de cada vez um pouco para melhorar o resultado. Referimo-nos à ‘aprendizagem profunda’ porque as redes neuronais têm várias camadas (profundas) que permitem a aprendizagem. Praticamente qualquer problema que exija “pensamento” para ser resolvido é um problema que a aprendizagem profunda pode aprender a resolver.

Biografia:

Aisha Al Owais concluiu o seu bacharelato em Ciência da Computação na Faculdade de Engenharia da Universidade Americana de Sharjah. Está a trabalhar como Assistente de Investigação no Centro de Meteoritos do Centro de Astronomia e Ciências Espaciais de Sharjah.