• Latest
  • Öne Çıkan
Görüntü ve Videoların “Kayıp Boyutlarını” Kurtaran Yeni Model

Görüntü ve Videoların “Kayıp Boyutlarını” Kurtaran Yeni Model

20 Ekim 2019
NASA’nın Ingenuity Mars Helikopteri Tarihi İlk Uçuşta Başarılı Oldu

NASA’nın Ingenuity Mars Helikopteri Tarihi İlk Uçuşta Başarılı Oldu

21 Nisan 2021
Fonksiyonel Nano Kanallar ile Şaşırtıcı İyonik ve Akış Davranışları

Fonksiyonel Nano Kanallar ile Şaşırtıcı İyonik ve Akış Davranışları

21 Nisan 2021
Truva Atı Mekanizması

Truva Atı Mekanizması: Ağlar Cinsiyet Ayrımını Nasıl Azaltır?

18 Nisan 2021
Örümcek Ağlarından Müzik

Örümcek Ağlarından Müzik

14 Nisan 2021
3D Baskı için Hareketli Bir Platform, İsrafı ve Maliyetleri Nasıl Azaltabilir?

3D Baskı için Hareketli Bir Platform, İsrafı ve Maliyetleri Nasıl Azaltabilir?

6 Nisan 2021
Araştırmacılar ‘Açıklanabilir’ Yapay Zeka Algoritması Geliştiriyor

Araştırmacılar ‘Açıklanabilir’ Yapay Zeka Algoritması Geliştiriyor

5 Nisan 2021
Yıldız tozundan soluk mavi noktaya: Karbon’un Dünya’ya yıldızlararası yolculuğu

Yıldız tozundan soluk mavi noktaya: Karbon’un Dünya’ya yıldızlararası yolculuğu

4 Nisan 2021
Organik Güneş Pillerinin Performansını Tahmin Etmek için Makine Öğrenimi

Organik Güneş Pillerinin Performansını Tahmin Etmek için Makine Öğrenimi

1 Şubat 2021
Mühendisler, Robotlar İçin Özelleştirilmiş “Beyinler” Tasarlıyor

Mühendisler, Robotlar İçin Özelleştirilmiş “Beyinler” Tasarlıyor

22 Ocak 2021
Biyo-İlham: Istakozlar, Daha Güçlü 3D Baskılı Beton Yapmaya Nasıl Yardımcı Olabilir?

Biyo-İlham: Istakozlar, Daha Güçlü 3D Baskılı Beton Yapmaya Nasıl Yardımcı Olabilir?

21 Ocak 2021
Mühendisler, Yerel Kuantum Ağları Oluşturmak İçin Dronları Kullanıyor

Mühendisler, Yerel Kuantum Ağları Oluşturmak İçin Dronları Kullanıyor

18 Ocak 2021
İnsan-Robot İşbirliğine Dayalı Montaj Hatlarında, Göçmen Kuşlardan İlham Alan Yeni Bir Algoritma

İnsan-Robot İşbirliğine Dayalı Montaj Hatlarında, Göçmen Kuşlardan İlham Alan Yeni Bir Algoritma

16 Ocak 2021
NtboxMag
Cuma, Nisan 23, 2021
  • Ana Sayfa
  • Tıp
  • Teknoloji
  • Yazılım
  • Akıllı Sistemler
  • Robotik
  • Bilim
  • Astronomi ve Uzay
  • Fizik/Kimya
No Result
View All Result
NTBOX Magazin
No Result
View All Result

Görüntü ve Videoların “Kayıp Boyutlarını” Kurtaran Yeni Model

by Editör
20 Ekim 2019
in Yazılım
0 0
0
Görüntü ve Videoların “Kayıp Boyutlarını” Kurtaran Yeni Model

MIT

 MIT araştırmacıları “daraltılmış” görüntüleri ve videoları daha düşük boyutlara getiren bir model geliştirdiler.

 Model, hareket bulanıklığı olan görüntülerden veya yeni tip kameralardan gelen görüntüleri yeniden oluşturmak için kullanılabilir. 

YOU MAY ALSO LIKE

Örümcek Ağlarından Müzik

3D Baskı için Hareketli Bir Platform, İsrafı ve Maliyetleri Nasıl Azaltabilir?

Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’nda (CSAIL) Araştırmacı Guha Balakrishnan:

”Tüm bu durumlarda, görsel verinin bir boyutu vardır (zaman veya uzayda) tamamen kaybolur. Kayıp boyutu kurtarırsak, birçok önemli uygulamaya sahip olabilir.”

 Yakalanan görsel verilere genellikle çökmeler veya çıkıntılar denir.  Örneğin, X-ışınları, anatomik yapılar hakkındaki üç boyutlu verileri düz bir görüntü haline getirir. Başka bir açıdan ise; gökyüzünde uzun süre pozlu bir yıldız çekimi yapıldığında, pozisyonu zaman içinde değişen yıldızlar, hareketsiz çekimde bulanık çizgiler olarak görünür.

 Aynı şekilde, MIT’de yakın zamanda icat edilen “köşe kameraları” köşeleri dolanan insanları algılar.  Bunlar, yanan binalarda insanları bulan itfaiyeciler için faydalı olabilir.  Ancak kameralar tam olarak kullanıcı dostu değil.  Şu anda sadece bir kişinin yörüngesine ve hızına karşılık gelen bulanık, dalgalı çizgiler gibi görünen çıkıntılar üretiyorlar.

 Araştırmacılar, düşük boyutlu projeksiyonları orijinal yüksek boyutlu görüntü ve videolarıyla eşleşen kalıpları “öğrenmek” için bir sinir ağını kullanan bir “Dep Görsel Deprojeksiyon” modelini icat ettiler.  Yeni projeksiyonlar göz önüne alındığında, model yeniden yaratmayı öğrendiği şeyi kullanır.

 Deneylerde model; yürüyen insanı gösteren, video kameraları köşe kameraları tarafından oluşturulanlara benzer, tek boyutlu çizgilerden bilgi alan doğru video kareleri sentezledi.  Model ayrıca, hareketli bulanık tek haneli basamak projeksiyonlarından, hareketli MoIST MNIST veri setinden bir ekran etrafında hareket eden video karelerini de kurtardı.

Piksel Olarak İpuçları

 Araştırmacı Balakrishnan; çalışmanın, uzun pozlama fotoğraflarında hareket bulanıklığına neden olan hareketi yeniden oluşturmak için “hafif bir inversiyon sorunu” olarak başladığını söyledi.  Bir projeksiyonun piksellerinde, yüksek boyutlu kaynak hakkında bazı ipuçları vardır.

 Örneğin uzun pozlamalı çekimler yapan dijital kameralar, temel olarak her piksele belirli bir süre boyunca fotonları toplar.  Bir nesnenin zaman içindeki hareketini yakalarken, kamera hareket yakalama piksellerinin ortalama değerini alır.  Ardından, bu ortalama değerleri; nesnenin yörüngesinin imza bulanık çizgilerini oluşturan durağan bir görüntünün karşılık gelen yüksekliklerine ve genişliklerine uygular.  Piksel yoğunluğundaki bazı farklılıkları hesaplayarak, hareket teorik olarak yeniden yaratılabilir.

 Araştırmacıların farkına vardığı gibi, bu sorun birçok alanda geçerlidir: Örneğin, X-ışınları, anatomik yapıların yükseklik, genişlik ve derinlik bilgilerini yakalar, ancak derinliği 2D görüntüye daraltmak için benzer bir piksel ortalamalama tekniği kullanırlar.  2017’de Freeman, Durand ve diğer araştırmacılar tarafından icat edilen köşe kameraları, bir kişinin duvarlardan ve nesnelerden uzaklığı hakkında iki boyutlu bilgiler taşıyan gizli bir sahnenin etrafındaki yansıyan ışık sinyallerini yakalar.  Daha sonra piksel ortalamalama tekniği; bu verileri tek boyutlu bir videoya daraltır. Bunlar; temel olarak, zaman içinde farklı uzunluklarda tek bir satırda ölçümlerdir.

 Araştırmacılar, ortalama bir pikselde kaybedilen boyut hakkında ipuçlarını yakalayan, görüntü işleme görevlerinin güç kaynağı haline gelen bir makine öğrenme modeli olan Evrimsel Sinir Ağı’na (CNN) dayanan genel bir model oluşturdu.

Sentezleme Sinyalleri

 Eğitimde, araştırmacılar; CNN’e binlerce projeksiyon çiftini ve “sinyaller” adı verilen yüksek boyutlu kaynaklarını beslediler. CNN, sinyallerdekilerle eşleşen projeksiyonlarda piksel desenlerini öğrenir.  CNN’e güç vermek; CNN çıkışlarının bazı istatistiksel olasılıklar boyunca girdileriyle ne kadar iyi eşleştiğini değerlendiren “değişken otomatik kodlayıcı” adı verilen bir çerçevedir.  

Bundan, model verilen projeksiyonu üretebilecek tüm olası sinyallerin bir “alanını” öğrenir.  Bu, özünde, bir projeksiyondan olası tüm eşleşme sinyallerine nasıl gidileceğine dair bir tür taslak oluşturur.

 Daha önce görülmeyen projeksiyonlar gösterildiğinde; model piksel desenlerini not eder ve planları bu projeksiyonu üretebilecek tüm olası sinyallere takip eder.  Ardından, projeksiyondaki tüm verileri ve sinyaldeki tüm verileri birleştiren yeni görüntüler sentezler.  Bu, yüksek boyutlu sinyali yeniden yaratır.

 Bir deney için, araştırmacılar; belirli bir alanda yürüyen 30 kişiden 35 video veri seti topladı.  Tüm kareleri; modeli eğitmek ve test etmek için kullandıkları projeksiyonlara daralttı.  Model; görünmeyen altı çıkıntıdan oluşan bir setten, kişinin yürüyüşünün 24 karesini, bacaklarının pozisyonuna ve kişinin fotoğraf makinesine doğru ya da uzaklaşırken ölçtüğü boyuta kadar doğru bir şekilde yeniden yarattı.  Örneğin, model zamanla koyulaşan ve genişleyen piksellerin muhtemelen kameraya yakın olan bir kişiye karşılık geldiğini biliyor gibi görünüyor.

 Araştırmacılar; modellerini tıbbi görüntüler üzerinde test etmediler.  Fakat  Cornell Üniversitesi meslektaşları ile birlikte çalışarak, X-ışınları gibi 2D tıbbi görüntülerden 3D anatomik bilgileri; ek maliyet gerektirmeden, daha fakir ülkelerde daha ayrıntılı tıbbi görüntülemeyi mümkün kılacak. 

Tags: CNNdaraltılmış görüntülerköşe kameralarıotomatik kodlayıcısentezleme sinyallerix-ışınıYeni model
ShareTweetShare

Search

No Result
View All Result

Recent News

NASA’nın Ingenuity Mars Helikopteri Tarihi İlk Uçuşta Başarılı Oldu

NASA’nın Ingenuity Mars Helikopteri Tarihi İlk Uçuşta Başarılı Oldu

21 Nisan 2021
Fonksiyonel Nano Kanallar ile Şaşırtıcı İyonik ve Akış Davranışları

Fonksiyonel Nano Kanallar ile Şaşırtıcı İyonik ve Akış Davranışları

21 Nisan 2021
Truva Atı Mekanizması

Truva Atı Mekanizması: Ağlar Cinsiyet Ayrımını Nasıl Azaltır?

18 Nisan 2021
  • Anasayfa
  • Gizlilik Koşulları
  • Reklam

© 2020 NtboxMag.com

No Result
View All Result
  • Ana Sayfa
  • Tıp
  • Teknoloji
  • Yazılım
  • Akıllı Sistemler
  • Robotik
  • Bilim
  • Astronomi ve Uzay
  • Fizik/Kimya

© 2020 NtboxMag.com

Welcome Back!

Login to your account below

Forgotten Password?

Create New Account!

Fill the forms bellow to register

All fields are required. Log In

Retrieve your password

Please enter your username or email address to reset your password.

Log In