智慧城市

机器识别图像程序提升人工编辑计算成功度

首先 我们来做一个选择题
发展出图像识别成功率超越人类的人工智能的主要因素有哪些

A.社会关注度提升  B.人类专家规则的完善  C.计算力的提升 D.大量数据驱动

正确答案为  C.计算力的提升 D.大量数据驱动

几千年来,人们就已经有了思考如何构建智能机器的想法。从那时开始,人工智能 (AI) 经历了起起落落,这证明了它的成功以及还未实现的潜能。

如今,随时都能听到应用机器学习算法来解决新问题的新闻。从癌症检测和预测到图像理解和总结以及自然语言处理,AI 正在增强人们的能力和改变我们的世界。本文将探索 AI 的一些重要方面和它的子领域。

现代 AI 的历史包含一部伟大的戏剧应具有的所有要素。上世纪 50 年代,随着对思维机器及阿兰·图灵和约翰·冯·诺依曼等著名人物的关注,AI 开始崭露头角。

尽管随后经历了数十年的繁荣与萧条,并被寄予了难以实现的厚望,但 AI 和它的先驱们仍然一直在努力前行。如今,AI 展现出了它的真正潜力,专注于应用并提供深度学习和认知计算等技术。

那么有谁知道如何正确量化图像检测算法的成功?你如何结合2个错误来源?因为一个源是算法无法检测到的对象数,另一个是算法错误识别为对象的误报数。所以,例如,如果图像中有574个对象,但算法仅检测到540个对象,同时产生113个误报,如何获得百分比准确度?

解决方案

您可以先计算精度和计算所谓的 F 得分(有时只是F得分) >回忆算法的性能。

精度真阳性的数量除以预测阳性的数量,其中预测阳性=(真阳性+误报)

召回真阳性的数量除以实际阳性的数量,其中实际阳性=(真实)积极+假阴性)

换句话说,精确度表示在我们检测到匹配的所有对象中,分数确实匹配?并且召回意味着在所有实际匹配的对象中,我们正确检测到哪些对象匹配?”。

计算精度, P ,召回, R  F 得分 2 *(PR /(P + R) ))并为您提供一个指标 - 介于0和1之间 - 用于比较不同算法的性能。

得分是在机器学习中使用的统计指标,以及其他应用程序。您可以在此维基百科条目中阅读更多相关信息。

附图像识别程序大全

微信扫一扫,分享到朋友圈

机器识别图像程序提升人工编辑计算成功度
0 3

你也可能喜欢

3 条评论

  1. 发展出图像识别成功率超越人类的人工智能的主要因素有哪些

  2. 谁知道如何正确量化图像检测算法的成功

  3. 机器识别图像程序是如何提升人工编辑计算的成功度,我们在拥有相关图像机器识别程序的活动工作中进行智能编辑、测试及发布通知。

发表评论

您的电子邮件地址不会被公开。 必填项已用 * 标注

提示:点击验证后方可评论!

插入图片
推进加快城市建设体系 投稿者
我还没有学会写个人说明!
最近文章
  • * 没有更多文章了
  • 疫情大数据

    热门搜索

    分类目录

    相关文章

    1. 暂时没有相关的文章!