กรุงเทพฯ, 26 ก.ย. 2023 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” หรือ “บริษัท”) ผู้ให้บริการเทคโนโลยี Hologram Augmented Reality (“AR”) ชั้นนําระดับโลก ได้ประกาศในวันนี้ว่า ได้พัฒนาเทคโนโลยีการจําแนกฉากภาพถ่ายดาวเทียมด้วยตนเองอย่างมีประสิทธิภาพ โดยเน้นการเรียนรู้ด้วยตนเองบนภาพที่ไม่มีป้ายกํากับ เพื่อลดการพึ่งพาข้อมูลที่มีป้ายกํากับ มันใช้สถาปัตยกรรมการเรียนรู้ของเครื่องที่สร้างสรรค์ ซึ่งทําให้สามารถแก้ปัญหาการจําแนกฉากภาพถ่ายดาวเทียมได้อย่างมีประสิทธิภาพผ่านการทํางานร่วมกันของเครือข่ายออนไลน์และเครือข่ายเป้าหมาย
ประเด็นสําคัญของการจําแนกฉากภาพถ่ายดาวเทียมด้วยตนเองอย่างลึกซึ้งของ WiMi อยู่ที่การเรียนรู้ร่วมกันของเครือข่ายออนไลน์และเครือข่ายเป้าหมาย ภายใต้กรอบแนวคิดการเรียนรู้ด้วยตนเอง โมเดลการเรียนรู้ของเครื่องจะถูกฝึกฝนเบื้องต้นบนภาพที่ไม่มีป้ายกํากับเพื่อเรียนรู้คุณลักษณะเชิงจําแนก กระบวนการนี้สร้างมุมมองที่แตกต่างกันจากแต่ละภาพผ่านการเรียนรู้เปรียบเทียบมุมมองข้าม ซึ่งโอนคุณลักษณะระหว่างเครือข่ายออนไลน์และเครือข่ายเป้าหมาย เครือข่ายออนไลน์และเครือข่ายเป้าหมายร่วมมือกันเพื่อเพิ่มประสิทธิภาพโมเดลทั้งหมดโดยการลดระยะห่างของมุมมองข้าม ทําให้โมเดลสามารถเรียนรู้คุณลักษณะที่เป็นประโยชน์จากภาพที่ไม่มีป้ายกํากับ
นอกจากการเรียนรู้ร่วมกันของเครือข่ายออนไลน์และเครือข่ายเป้าหมายแล้ว เทคโนโลยีนี้นําเสนอกลยุทธ์การฝึกอัจฉริยะที่มีความละเอียดความละเอียดผสาน ซึ่งช่วยปรับปรุงประสิทธิภาพเพิ่มเติม ระหว่างภารกิจการแยกแยะ เทคโนโลยีจะถูกฝึกโดยใช้ภาพความละเอียดต่ํา ดังนั้นจึงสามารถใช้ขนาดกลุ่มตัวอย่างที่ใหญ่ขึ้น ซึ่งช่วยเพิ่มประสิทธิภาพอย่างมาก กลยุทธ์นี้ใช้ประโยชน์จากทั้งภาพความละเอียดสูงและต่ํา ทําให้โมเดลได้ประโยชน์จากขนาดกลุ่มตัวอย่างที่ใหญ่และขนาดภาพเต็ม เพื่อเรียนรู้อย่างมีประสิทธิภาพจากข้อมูลที่ไม่มีป้ายกํากับในปริมาณมาก
ขั้นตอนการนําเทคโนโลยีการจําแนกฉากภาพถ่ายดาวเทียมด้วยตนเองอย่างลึกซึ้งของ WiMi ไปใช้งาน:
ประการแรก สร้างเครือข่ายการเรียนรู้ด้วยตนเองโดยการฝึกฝนเบื้องต้นบนภาพถ่ายดาวเทียมที่ไม่มีป้ายกํากับ ในกรอบแนวคิดการเรียนรู้ด้วยตนเอง เครือข่ายต้องเรียนรู้คุณลักษณะจากภาพที่ไม่มีป้ายกํากับเพื่อแยกภาพที่มีมุมมองต่างกัน ขั้นตอนนี้สามารถทําได้โดยใช้แนวทางการเรียนรู้เปรียบเทียบโดยเพิ่มความคล้ายคลึงระหว่างมุมมองต่างๆ ของภาพเดียวกัน และลดความคล้ายคลึงระหว่างภาพต่างกัน วิธีนี้ทําให้เครือข่ายสามารถเรียนรู้คุณลักษณะภาพที่เป็นประโยชน์สําหรับภารกิจการจําแนกฉากภาพถ่ายดาวเทียมในลําดับต่อไป
ในช่วงการฝึกฝนเบื้องต้น เครือข่ายออนไลน์และเครือข่ายเป้าหมายถูกสร้างขึ้นเป็นสอ