Речник

Разпознаване на образи

Какво е Разпознаване на образи?

Разпознаването на образи е автоматично откриване на закономерности, структури или повтарящи се характеристики в данни като изображения, звуци, текстове или измервания. Системите отнасят новите наблюдения към известни категории или откриват групи без предварително зададени етикети. Приложенията включват лицево разпознаване, разпознаване на ръкопис, контрол на качеството в производството и откриване на необичайни транзакции. Дисциплината е важна основа на машинното обучение.

Теми

основи
класификация
анализ на данни

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Машинно обучение

Машинното обучение е дял от изкуствения интелект, при който компютрите извеждат закономерности от данни, вместо всяко правило да бъде изрично програмирано. В зависимост от задачата моделите се учат от анотирани примери (с надзор), от неанотирани данни (без надзор) или чрез награди (с подкрепление). Приложенията вариират от спам филтри и прогнози за търсенето до препоръки за продукти. Качеството зависи силно от количеството и качеството на обучителните данни.

основи
ИИ
+1

Разпознаване на изображения

Разпознаването на изображения е област на компютърното зрение, в която софтуер определя какво показва едно изображение – обекти, хора, текст, лога или сцени. Обикновено се основава на невронни мрежи, обучени върху голям брой етикетирани изображения. Приложенията варират от контрол на качеството в производството и сортиране на продуктови снимки до подпомагане на медицинската образна диагностика. При изображения на хора особено внимание изискват защитата на данните и възможните пристрастия.

Компютърно зрение
Анализ на изображения
+1

Класификатор

Класификаторът е модел или метод, който отнася входните данни към една от няколко предварително определени категории. Класическите варианти като дърветата на решенията или наивния Байес се обучават върху анотирани примери; езиковите модели могат да сортират текстове и въз основа на описание на категориите. Типични приложения са откриването на спам, сортирането на запитвания на клиенти по теми и категоризирането на разписки. Качеството се измерва с метрики като точност, прецизност и обхват.

Класификация
Машинно обучение
+1

Шаблон

Clustering

Клъстеризацията е метод за обучение без учител, който разделя точките от данни на групи въз основа на сходството им, без предварително зададени категории. Тя разкрива модели, които никой досега не е назовал – например клиентски сегменти със сходно купувателно поведение. При текстове клъстеризацията помага стотици запитвания на клиенти да се подредят по теми като доставка, фактуриране или жалби и показва къде е основната тежест.

обучение без учител
групиране
+1

Шаблон