सामग्री

• तंत्रिका नेटवर्क कसे कार्य करते
• आपल्या स्मार्टफोनमध्ये न्यूरल नेटवर्क
• एआय फोटोग्राफीच्या भविष्यास आकार देऊ शकते

कंप्यूटेशन फोटोग्राफी, उच्च-गुणवत्तेचा कॅमेरा हार्डवेअर आणि प्रतिमा सिग्नल प्रोसेसर व्यतिरिक्त, अत्याधुनिक मोबाइल फोटोग्राफी मशीन लर्निंग अल्गोरिदमद्वारे वाढविते - ज्याला कृत्रिम बुद्धिमत्ता (एआय) देखील म्हटले जाते. हे छायाचित्रण तंत्र चित्रे आणि व्हिडिओ शूट करण्यासाठी आणि संपादित करण्यासाठी क्रिएटिव्ह नवीन मार्ग ऑफर करताना डीएसएलआरसारख्या गुणवत्तेच्या दिशेने गुणवत्ता सुधारण्याचे वचन देते.

मशिन शिक्षणाची गुरुकिल्ली म्हणजे तंत्रिका नेटवर्कचा वापर. हा अल्गोरिदमचा एक प्रकार आहे जो बहुधा मानवी मेंदूशी तुलना केला जातो. ही तुलना ऑडिओ आणि प्रतिमा यासारख्या जटिल डेटा प्रकारांसाठी अत्यधिक अचूक वर्गीकरण करण्याची अनुमती देऊन, डेटाच्या वापराद्वारे, नमुन्यांची ओळख करुन, तंत्रज्ञानाच्या नेटवर्कच्या प्रशिक्षित क्षमतेपासून तयार केली गेली आहे.

जेव्हा फोटोग्राफीचा विचार केला जातो तेव्हा निरिक्षण करण्याची, शिकण्याची, व्युत्पन्न करण्याच्या आणि वर्गीकरण करण्याची क्षमता बर्‍याच अनुप्रयोगांमध्ये असते. या अनुप्रयोगांमध्ये संगणकीय छायाचित्रण तंत्रावर प्रक्रिया करणे नंतरचे अल्गोरिदम सुधारणे, 4K व्हिडिओसह रिअल-टाइम सॉफ्टवेअर बोके किंवा आपण परिधान केलेल्या कपड्यांचे रंग पूर्णपणे स्वॅप करणे यासारख्या वैशिष्ट्यांचा समावेश असू शकतो.

तंत्रिका नेटवर्क कसे कार्य करते

न्यूरल नेटवर्क हा एक अत्यंत जटिल विषय आहे, म्हणून आम्ही येथे फक्त मूलभूत गोष्टी सांगणार आहोत. अधिक प्रगत वाचनासाठी येथे आणि येथे मार्गदर्शक पहा.

न्यूरल नेटवर्क नोड्सचे बनलेले असतात, जे काही मोजणी केले जाते त्या साठी हे एक दर्शक आहे. प्रत्येक नोड वजनासह इनपुट एकत्र करते जे त्या विशिष्ट नोडचे महत्त्व वाढवते किंवा वाढवते. बर्‍याच नोड बहुतेक वेळा समांतर कार्य करतात, ज्यामुळे नोड्सचा एक थर तयार होतो जे एक मोठे कार्य करते. उदाहरणार्थ, प्रतिमेमध्ये हे वैशिष्ट्य शोधले जाऊ शकते. एकाधिक नोड्स आणि स्तर एकत्रितपणे एकत्रित केले जाऊ शकतात आणि इतर नोड्स आणि स्तरांवर पुरविले जाऊ शकतात, अधिक सामर्थ्यवान क्षमता असलेले एक सखोल नेटवर्क तयार करते.

प्रत्येक नोड आणि लेयरचे आउटपुट संभाव्यतेचे फंक्शन म्हणून मोजले जाते. बर्‍याच भिन्न वैशिष्ट्ये आणि विशेषता पहात, एक न्यूरोल नेटवर्क सर्व अपेक्षित संभाव्य आऊटपुटशी संभाव्यता जुळण्यासाठी इनपुटला रेटिंग देऊ शकते. याप्रकारे प्रतिमा शोधण्याकरीता अल्गोरिदम हे ठरवतात की एखाद्या चित्रात मांजरी किंवा केशरीसारखे दिसत आहे की नाही परंतु प्रथम काय शोधायचे ते आपल्याला सांगावे लागेल.

न्यूरल नेटवर्क पारंपारिक संगणक अल्गोरिदम सारख्या प्रोग्राम केलेले नाहीत. त्याऐवजी, त्यांना डेटासेट्स जसे की प्रतिमा, ध्वनी फाइल्स इ. वर प्रशिक्षण दिले जाते. प्रत्येक नोडचे वजन वेळोवेळी हळूहळू फीडबॅक लूपद्वारे समायोजित केले जाते जेणेकरून नेटवर्कने इनपुटला योग्य आउटपुटशी किती चांगले केले. नियमांचे हे हळूहळू "शिक्षण", तयारीसाठी पुरेसा वेळ, वेळ आणि संगणकीय शक्ती घेते, परंतु अचूक अचूक परिणाम देतात.

आपल्या स्मार्टफोनमध्ये न्यूरल नेटवर्क

आपल्या स्मार्टफोनसह संगणकाच्या साधनांच्या सीपीयू आणि जीपीयू भागांमध्ये सामान्यत: न्युअल नेटवर्क विविध हार्डवेअर घटकांवर चालू शकतात. तथापि, काही तंत्रिका नेटवर्कना या हार्डवेअर घटकांपेक्षा जास्त प्रोसेसिंग पावरची आवश्यकता असू शकते आणि समर्पित हार्डवेअर आवश्यक इष्टतम प्रक्रिया प्रदान करू शकतात.

क्वालकॉम स्नॅपड्रॅगन ™ 855 मोबाइल प्लॅटफॉर्ममध्ये, उदाहरणार्थ, आपल्याला नवीनतम क्वालकॉम हेक्सागॉन ™ 690 डिजिटल सिग्नल प्रोसेसर (डीएसपी) सापडेल, सुधारित वेक्टर प्रोसेसिंग युनिट्स आणि खासकरुन मशीन लर्निंग कार्यांसाठी नवीन टेन्सर प्रवेगक. इतर स्नॅपड्रॅगन मोबाइल प्लॅटफॉर्ममध्ये भिन्न क्षमतासह हेक्सागॉन डीएसपी घटक देखील दर्शविला जातो. असे म्हणाल्यामुळे तंत्रिका जाळे फक्त स्नॅपड्रॅगन आणि इतर मोबाइल प्लॅटफॉर्मवर डीएसपीवर चालत नाही. वापरल्या गेलेल्या प्रोसेसरचा प्रकार वर्कलोडवर अवलंबून असतो.

मागील पिढीच्या तुलनेत क्वालकॉम स्नॅपड्रॅगन 855 मशीन शिक्षण सुधारणा

क्वालकॉम टेक्नोलॉजीज तिच्या क्वालकॉम न्यूरल प्रोसेसिंग एसडीके द्वारे तृतीय-पक्ष विकसकांसाठी डीएसपी आणि मशीन शिक्षण क्षमता उघडते. हे अ‍ॅप्सना स्नॅपड्रॅगन मोबाइल प्लॅटफॉर्ममध्ये असलेल्या हार्डवेअर कोरपैकी कोणत्याहीवर तंत्रिका जाळे चालविण्यास अनुमती देते. उदाहरणार्थ, Google पिक्सल स्मार्टफोन त्याच्या प्रभावी एचडीआर + फोटोग्राफी वैशिष्ट्यास गती देण्यासाठी हेक्सागॉन डीएसपी आणि स्वतःचे व्हिज्युअल कोअरमध्ये टॅप करते. क्वालकॉम टेक्नोलॉजीज डीआरपीवर चालणार्‍या मशीन लर्निंगचा वापर करून व्हिडीओ बोकेहपासून अवतार क्रिएशन पर्यंतच्या वैशिष्ट्यांसह समर्थित वैशिष्ट्यांसह आर्क्सॉफ्ट, इलेव्हॉक, पोलर, लूम, मोबियस, मॉर्फो आणि बरेच काही सॉफ्टवेअर विक्रेत्यांसह कार्य करते.

एआय फोटोग्राफीच्या भविष्यास आकार देऊ शकते

आता आम्हाला माहित आहे की तंत्रिका नेटवर्क कसे कार्य करते, महत्त्वाचा प्रश्न म्हणजे तो आपल्यासाठी आणि आमच्या छायाचित्रेसाठी काय करू शकतो?

सामान्य फोटोग्राफी अल्गोरिदमची श्रेणी सुधारण्यासाठी न्यूरल नेटवर्क वापरली जातात. उदाहरणार्थ, विशिष्ट कॅमेरा किंवा शॉटच्या प्रकारानुसार उत्कृष्ट प्रतिमा क्लीन अप प्रदान करण्याच्या प्रशिक्षणासह डी-आवाज सुधारला जाऊ शकतो. त्याचप्रमाणे, कमी प्रकाशासाठी, मज्जासंस्थेचे जाळे प्रतिमेचे तेजस्वी आणि गडद भाग ओळखू शकते, ज्यामुळे देखावाच्या विशिष्ट भागात प्रकाश आणि रंग वाढू शकते.

स्मार्टफोन फोटोग्राफीमध्ये अधिक प्रगत वापर प्रकरणे सामान्यत: सामान्य आहेत. सुपर-रेझोल्यूशन झूम उत्कृष्ट दिसणार्‍या डिजिटल झूमसाठी एकाधिक प्रतिमांना एकाच उच्च-रेझोल्यूशन शॉटमध्ये एकत्र करण्यासाठी न्यूरल नेटचा वापर करतात. वर्धित एचडीआर आणि रात्रीच्या शॉट्ससाठी एकत्रित एकाधिक फोटो प्रदर्शनासह अचूकपणे टाकायला तंत्रिका जाळे देखील प्रशिक्षण दिले जाऊ शकते.

एआय फोटोग्राफीमध्ये सुपर-रेझोल्यूशन झूम, रीअल-टाइम बोके आणि सुधारित प्रतिमेची गुणवत्ता असू शकते.

हे तंत्रज्ञान अवलंब केल्यामुळे व्हिडिओला देखील फायदा होऊ शकतो. रीअल-टाईम ऑब्जेक्ट डिटेक्शन हे रेकॉर्ड केल्यानुसार अॅप्सना सॉफ्टवेअर बोकेह इफेक्ट थेट व्हिडिओमध्ये सादर करण्याची परवानगी देण्यासाठी डिझाइन केलेले आहे. तत्सम तंत्रे रीअल-टाइम ऑब्जेक्ट स्वॅपिंग आणि काढण्यास देखील समर्थन देतात. यामध्ये व्हिडिओमधील पार्श्वभूमी बदलणे, रंग बदलणे किंवा काढणे आणि कपड्यांच्या वस्तू पुनर्स्थित करणे किंवा डिजिटल अवतारांवर थेटपणे व्हिडिओमध्ये बदल करणे समाविष्ट आहे.

तंत्रिका नेटवर्किंग आणि एआय फोटोग्राफीची क्षमता गुणवत्ता वाढीपासून ते डीएसएलआरमधील अंतर कमी करण्यासाठी आणि शक्तिशाली क्रिएटिव्हिटी साधनांपर्यंतची आहे जी अनन्य सामग्रीस हवा बनविण्यास मदत करते. एकतर मार्ग, हे एक शक्तिशाली तंत्रज्ञान आहे जे मोबाइल फोटोग्राफीकडे जाणा heading्या भविष्यातील सुधारणांचे मूलभूत आहे.

पुढे: गूगल पिक्सल 3 एक्सएल आंतरराष्ट्रीय गिफ्ट!

क्वालकॉम टेक्नोलॉजीज इंक द्वारा प्रायोजित सामग्री.

क्वालकॉम स्नॅपड्रॅगन, क्वालकॉम हेक्सागॉन, क्वालकॉम renड्रेनो, क्वालकॉम स्पेक्ट्रा, क्वालकॉम एआय इंजिन आणि क्वालकॉम क्रिओ क्वालकॉम टेक्नोलॉजीज इंक. आणि / किंवा त्याच्या सहाय्यक कंपन्यांची उत्पादने आहेत.