WiMi Umumkan Algoritma Penggabungan Ciri Berasaskan Jaringan Saraf Terkonvolusi Berbilang Tahap
(SeaPRwire) – BEIJING, Nov. 21, 2023 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” atau “Syarikat”), pembekal teknologi Hologram Augmented Reality (“AR”) global terkemuka, hari ini mengumumkan bahawa algoritma penggabungan ciri pelbagai tahap berdasarkan rangkaian neural tersusun (CNN)nya dapat menangkap maklumat global dan tempatan gambar dengan lebih baik dan meningkatkan prestasi model dengan menggabungkan ciri dari pelbagai tahap.
Algoritma penggabungan ciri mempunyai penggunaan yang meluas dalam penglihatan komputer, pemprosesan bahasa semula jadi dan bidang lain. Dengan menggabungkan ciri dari pelbagai tahap atau modaliti, keupayaan ungkapan dan prestasi model ditingkatkan untuk menyelesaikan tugas yang lebih kompleks. Algoritma penggabungan ciri pelbagai tahap yang dikaji oleh WiMi menggunakan struktur rangkaian dalam, dan secara beransur-ansur mengekstrak ciri tahap tinggi imej melalui berbilang operasi penyusunan dan pengumpulan konvolusi, untuk mengekspresikan maklumat semantik imej dengan lebih baik. Selain itu, dengan menggabungkan ciri pada pelbagai tahap, model dapat memberi tumpuan kepada maklumat global dan tempatan tentang imej, dengan itu meningkatkan prestasi model. Algoritma penggabungan ciri pelbagai tahap, sebagai model CNN yang diperbaiki, mempunyai aplikasi penting dalam bidang pemprosesan imej. CNN adalah algoritma pembelajaran mendalam yang digunakan secara meluas dalam bidang penglihatan komputer. Ia mengekstrak ciri-ciri imej melalui lapisan konvolusi dan pengumpulan pelbagai tahap dan melaksanakan pengelasan dan pengenalan melalui lapisan terhubung sepenuhnya, yang mempunyai kelebihan pembelajaran ciri penggambaran automatik, perkongsian parameter dan kemampuan persepsi tempatan.
Algoritma penggabungan ciri pelbagai tahap berdasarkan CNN dapat meningkatkan prestasi dan kebolehgeneralan model dengan menggabungkan ciri dari pelbagai lapisan. Model CNN berlapis ganda digunakan yang mengandungi pelbagai lapisan konvolusi dan pengumpulan serta lapisan terhubung sepenuhnya untuk tugas pengelasan. Dengan menggabungkan ciri pelbagai lapisan, maklumat pelbagai lapisan boleh diekstrak dengan berkesan dan ciri pelbagai lapisan imej boleh diekstrak dengan berkesan untuk pengelasan yang lebih baik, dengan itu meningkatkan ketepatan model. Aplikasi algoritma terutamanya termasuk modul utama berikut:
Pengekstrakan ciri: Pertama, imej input diekstrak ciri menggunakan CNN. Lapisan konvolusi berbeza boleh mengekstrak ciri dengan tahap abstraksi berbeza pada imej.
Penggabungan ciri: Ciri pada pelbagai tahap digabungkan. Pelbagai kaedah penggabungan boleh digunakan seperti penggabungan berat, penggabungan berturutan atau penggabungan selari. Penggabungan berat boleh mendapatkan berat setiap lapisan ciri melalui pembelajaran, penggabungan berturutan boleh menyambung ciri pelbagai tahap secara siri, dan penggabungan selari boleh memproses ciri pelbagai tahap secara selari.
Pemetaan ciri: Ciri yang digabungkan dipetakan semula untuk mengekstrak ciri yang lebih diskriminatif. Ini boleh dicapai menggunakan lapisan terhubung sepenuhnya, lapisan pengumpulan, atau fungsi pemetaan nonlinear lain.
Pemilihan ciri: Memilih ciri paling diskriminatif untuk pemprosesan lanjut mengikut keperluan tugas khusus.
Algoritma penggabungan ciri pelbagai tahap berdasarkan CNN meningkatkan prestasi dan kebolehgeneralan model dengan mengekstrak ciri pelbagai tahap imej secara berkesan dan menggabungkannya, dan ia mempunyai makna penyelidikan dan prospek aplikasi yang penting. Algoritma ini mempunyai pelbagai aplikasi dalam tugas seperti pengelasan imej, pengesanan sasaran dan penciptaan imej.
Sekarang algoritma penggabungan ciri pelbagai tahap terutamanya memberi tumpuan kepada penggabungan ciri permukaan dan pertengahan, dan pada masa hadapan, WiMi akan terus menjelajahi penggabungan ciri yang lebih dalam, seperti penggabungan ciri tahap tinggi, untuk meningkatkan prestasi dan keupayaan ungkapan algoritma. Mekanisme perhatian diperkenalkan ke dalam algoritma penggabungan ciri pelbagai tahap untuk meningkatkan keupayaan rangkaian untuk menyedari dan menggunakan ciri utama. Selain CNN, model lain juga boleh dipertimbangkan untuk digabungkan dengan algoritma penggabungan ciri pelbagai tahap, seperti rangkaian neural berulang (RNN) atau rangkaian graf penyusunan (GCN), untuk terus meningkatkan prestasi dan aplikabiliti algoritma. Prestasi algoritma penggabungan ciri pelbagai tahap boleh dipertingkatkan dengan memperbaiki struktur rangkaian, seperti memperkenalkan sambungan sisa dan meningkatkan lebar dan kedalaman rangkaian.
Algoritma penggabungan ciri pelbagai tahap berdasarkan CNN telah digunakan secara meluas dalam bidang penglihatan komputer, dan pada masa hadapan, WiMi akan terus meluaskan ke bidang lain, seperti pemprosesan bahasa semula jadi, pengecaman pertuturan, dan sebagainya, untuk menjelajahi potensi dan aplikasi algoritma penggabungan ciri pelbagai tahap dalam tugas lain.
Mengenai WIMI Hologram Cloud
WIMI Hologram Cloud, Inc. (NASDAQ: WIMI) adalah pembekal penyelesaian teknikal komprehensif fokus pada bidang profesional termasuk perisian HUD holografik automotif AR, LiDAR pulsa holografik 3D, peralatan medan cahaya lapangan holografik bermata, semikonduktor holografik, perisian awan holografik, navigasi kereta holografik dan lain-lain. Perkhidmatan dan teknologi AR holografiknya termasuk aplikasi automotif AR holografik, teknologi LiDAR pulsa 3D holografik, teknologi semikonduktor penglihatan holografik, pembangunan perisian holografik, teknologi pengiklanan AR holografik, teknologi hiburan AR holografik, pembayaran perisian ARSDK holografik, komunikasi holografik interaktif dan teknologi AR holografik lain.
Kenyataan Selamat
Kenyataan ini mengandungi “kenyataan prospektif” dalam makna Private Securities Litigation Reform Act 1995. Kenyataan prospektif ini boleh dikenal pasti dengan istilah seperti “akan”, “dijangka”, “diramalkan”, “masa depan”, “berniat”, “merancang”, “percaya”, “menganggarkan” dan ungkapan serupa. Kenyataan yang bukan fakta sejarah, termasuk kenyataan mengenai kepercayaan dan jangkaan pengurusan dalam kenyataan berita ini dan rancangan strategik dan operasi Syarikat mengandungi kenyataan prospektif. Syarikat juga mungkin membuat kenyataan prospektif secara lisan atau bertulis dalam laporan berkala kepada Suruhanjaya Sekuriti dan Bursa Amerika Syarikat (“SEC”) pada Borang 20-F dan 6-K, dalam laporan tahunan kepada pemegang saham, dalam siaran akhbar, dan bahan bertulis lain, dan dalam kenyataan lisan yang dibuat oleh pegawai, pengarah atau pekerjanya kepada pihak ketiga.
Kenyataan prospektif membabitkan risiko dan ketidakpastian tertentu. Beberapa faktor boleh menyebabkan keputusan sebenar berbeza secara material daripada apa-apa kenyataan prospektif, termasuk tetapi tidak terhad kepada faktor berikut: matlamat dan strategi Syarikat; perkembangan perniagaan, kewangan dan prestasi operasi Syarikat pada masa hadapan; pertumbuhan yang dijangka bagi industri AR holografik; dan jangkaan Syarikat terhadap permintaan dan penerimaan pasaran bagi produk dan perkhidmatannya.
Maklumat lanjut mengenai risiko dan ketidakpastian ini termasuk dalam laporan tahunan Syarikat pada Borang 20-F dan laporan semasa pada Borang 6-K dan dokumen lain yang difailkan dengan SEC. Semua maklumat yang diberikan dalam kenyataan berita ini adalah pada tarikh kenyataan berita ini. Syarikat tidak menanggung sebarang kewajipan untuk mengemaskini mana-mana kenyataan prospektif selain daripada yang diperlukan di bawah undang-undang yang berkenaan.
Artikel ini disediakan oleh pembekal kandungan pihak ketiga. SeaPRwire (https://www.seaprwire.com/) tidak memberi sebarang waranti atau perwakilan berkaitan dengannya.
Sektor: Top Story, Berita Harian
SeaPRwire menyediakan perkhidmatan pengedaran siaran akhbar kepada pelanggan global dalam pelbagai bahasa(Hong Kong: AsiaExcite, TIHongKong; Singapore: SingapuraNow, SinchewBusiness, AsiaEase; Thailand: THNewson, ThaiLandLatest; Indonesia: IndonesiaFolk, IndoNewswire; Philippines: EventPH, PHNewLook, PHNotes; Malaysia: BeritaPagi, SEANewswire; Vietnam: VNWindow, PressVN; Arab: DubaiLite, HunaTimes; Taiwan: TaipeiCool, TWZip; Germany: NachMedia, dePresseNow)