(SeaPRwire) – บริษัท WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” หรือ “บริษัท”) ให้ข่าวว่า บริษัทได้ประกาศวิธีการจําแนกประเภทของข้อมูลจุดกลุ่มภาพที่ถูกผสานด้วยเครือข่ายการกระจายข้อมูลแบบกราฟ เพื่อใช้ประโยชน์จากข้อมูลแตกต่างของภาพและข้อมูลจุดกลุ่มเพื่อเพิ่มประสิทธิภาพและความแม่นยําของการจําแนกประเภท
เครือข่ายการกระจายข้อมูลแบบกราฟที่ถูกผสาน (FGCN) เป็นแบบจําลองเรียนรู้ของระบบปัญญาประดิษฐ์ที่มีประสิทธิภาพและสามารถประมวลผลข้อมูลภาพและข้อมูลจุดกลุ่มได้พร้อมกันอย่างมีประสิทธิภาพ FGCN สามารถใช้ประโยชน์จากข้อมูลหลายโหมดได้อย่างมีประสิทธิภาพมากขึ้นโดยการสกัดข้อมูลทางด้านความหมายของแต่ละจุดที่เกี่ยวข้องกับข้อมูลสองโหมดของภาพและข้อมูลจุดกลุ่ม
เพื่อเพิ่มประสิทธิภาพการสกัดคุณลักษณะจากภาพ FGCN ยังได้นําโมดูล k-nearest neighbor (KNN) สองช่องมาใช้ โมดูลนี้ทําให้ FGCN สามารถใช้ข้อมูลทางพื้นที่ในข้อมูลภาพเพื่อเข้าใจบริบทในภาพได้ดีขึ้นโดยคํานวณข้อมูลความหมายของ k จุดเพื่อนที่ใกล้ที่สุดรอบแต่ละจุด นี้ช่วยให้ FGCN สามารถแยกแยะคุณลักษณะสําคัญจากเสียงรบกวนที่ไม่เกี่ยวข้องได้ดีขึ้น
นอกจากนี้ FGCN ยังใช้กลไกความสนใจทางพื้นที่เพื่อให้ความสนใจกับคุณลักษณะที่สําคัญมากขึ้นในข้อมูลจุดกลุ่ม กลไกนี้ทําให้แบบจําลองสามารถกําหนดน้ําหนักที่แตกต่างกันให้กับแต่ละจุดขึ้นอยู่กับรูปร่างและความสัมพันธ์ของจุดเพื่อนบ้าน เพื่อเข้าใจข้อมูลความหมายทางด้านความหมายของข้อมูลจุดกลุ่มได้ดีขึ้น
การผสานคุณลักษณะหลายระดับทําให้ FGCN เพิ่มความสามารถในการทั่วไปและปรับปรุงความแม่นยําของการจําแนกประเภททางด้านความหมาย การสกัดคุณลักษณะหลายระดับอนุญาตให้แบบจําลองพิจารณาข้อมูลในระดับพื้นที่ต่างๆ ซึ่งนําไปสู่การเข้าใจที่รอบด้านมากขึ้นของเนื้อหาทางด้านความหมายของภาพและข้อมูลจุดกลุ่ม
วิธีการจําแนกประเภทของข้อมูลจุดกลุ่มภาพที่ถูกผสานด้วยเครือข่ายการกระจายข้อมูลแบบกราฟนี้สามารถใช้ประโยชน์จากข้อมูลหลายโหมดเช่นภาพและข้อมูลจุดกลุ่มได้อย่างมีประสิทธิภาพมากขึ้นเพื่อปรับปรุงความแม่นยําและประสิทธิภาพของการจําแนกประเภท ซึ่งคาดว่าจะส่งเสริมวิทยาการคอมพิวเตอร์ภาพ ปัญญาประดิษฐ์ โทรมาตรวิทยา การสํารวจภาพถ่ายจากอากาศ และสาขาอื่นๆ โดยเป็นวิธีการใหม่สําหรับการวิจัยการจําแนกประเภทในอนาคต
วิธีการจําแนกประเภทของข้อมูลจุดกลุ่มภาพที่ถูกผสานด้วยเครือข่ายการกระจายข้อมูลแบบกราฟนี้มีโอกาสประยุกต์ใช้งานอย่างกว้างขวางและสามารถนําไปใช้ในหลายสาขาอาทิ เช่น ระบบขับขี่อัตโนมัติ โรบอติกส์ และการวิเคราะห์ภาพการแพทย์
บทความนี้ให้บริการโดยผู้ให้บริการเนื้อหาภายนอก SeaPRwire (https://www.seaprwire.com/) ไม่ได้ให้การรับประกันหรือแถลงการณ์ใดๆ ที่เกี่ยวข้องกับบทความนี้
หมวดหมู่: ข่าวสําคัญ ข่าวประจําวัน
SeaPRwire จัดส่งข่าวประชาสัมพันธ์สดให้กับบริษัทและสถาบัน โดยมียอดการเข้าถึงสื่อกว่า 6,500 แห่ง 86,000 บรรณาธิการและนักข่าว และเดสก์ท็อปอาชีพ 3.5 ล้านเครื่องทั่ว 90 ประเทศ SeaPRwire รองรับการเผยแพร่ข่าวประชาสัมพันธ์เป็นภาษาอังกฤษ เกาหลี ญี่ปุ่น อาหรับ จีนตัวย่อ จีนตัวเต็ม เวียดนาม ไทย อินโดนีเซีย มาเลเซีย เยอรมัน รัสเซีย ฝรั่งเศส สเปน โปรตุเกส และภาษาอื่นๆ
ในอนาคต WiMi จะทําการปรับปรุงโครงสร้างแบบจําลองอย่างต่อเนื่อง พร้อมทั้งรวมเทคโนโลยีเรียนรู้ของระบบปัญญาประดิษฐ์เพื่อใช้ประโยชน์จากเทคโนโลยีเรียนรู้ขั้นลึกเพื่อปรับปรุงประสิทธิภาพของแบบจําลอง และพัฒนาเทคโนโลยีการผสานข้อมูลหลายโหมดต่อไปเพื่อผสานข้อมูลประเภทต่างๆ (เช่น ภาพ ข้อมูลจุ