“görüntü tanıma” için sonuçlar
7 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Su Altı Görüntü Tanımada Alan Etkisi: Gerçek Koşullar Yapay Zekayı Yanıltıyor
Bilim insanları, su altı ortamlarında çalışan yapay zeka sistemlerinin neden beklenmedik hatalar yaptığını araştırıyor. Mevcut test yöntemlerinin gerçek su altı koşullarını yeterince simüle edemediği ortaya çıktı. Araştırmacılar, görünürlük, aydınlatma ve sahne kompozisyonu gibi fiziksel faktörleri dikkate alan yeni bir değerlendirme çerçevesi geliştirdi. Bu yaklaşım, su altı robotlarından deniz bilimine kadar birçok alanda kullanılan görüntü tanıma sistemlerinin performansını artırabilir.
Bayesci Sinir Ağları: Belirsizlikle Başa Çıkan Yapay Zeka
Geleneksel sinir ağları görüntü tanıma, ses işleme ve doğal dil işleme gibi alanlarda büyük başarılar elde etse de, tahminlerindeki belirsizlik durumları hakkında bilgi veremiyorlar. Yapay zeka sistemlerinin güvenilir kararlar alabilmesi için bu belirsizlikleri anlayabilmesi kritik önem taşıyor. Bayesci Sinir Ağları (BNN), bu soruna çözüm getiren yenilikçi bir yaklaşım sunuyor. Bu ağlar, sadece tahmin yapmakla kalmayıp aynı zamanda bu tahminlerin ne kadar güvenilir olduğunu da hesaplayabiliyor. Özellikle tıbbi teşhis, otonom araçlar ve finansal risk analizi gibi hata maliyetinin yüksek olduğu alanlarda bu özellik hayati öneme sahip.
Yapay Zeka Öğrenmesinde Yeni Matematiksel Yaklaşım: Hiperbolik ve Öklid Uzayları Birleşti
Araştırmacılar, yapay zekanın veri benzerliklerini öğrenmesi için yeni bir matematiksel yöntem geliştirdi. CHEST adı verilen bu teknik, hiperbolik ve Öklid uzaylarını birleştirerek daha karmaşık veri yapılarını anlayabiliyor. Özellikle ağaç benzeri hiyerarşik yapıları temsil etmede üstün olan hiperbolik uzaylar, büyük veri setlerinde kullanımı zor olan proxy tabanlı kayıp fonksiyonlarıyla ilk kez başarılı şekilde birleştirildi. Bu gelişme, görüntü tanıma, doğal dil işleme ve önerme sistemleri gibi alanlarda yapay zekanın performansını artırabilir. Yöntem, geleneksel tekniklerden daha az hesaplama gücü gerektirirken, veri noktaları arasındaki anlamsal benzerlikleri daha iyi yakalayabiliyor.
Görüntü İşlemede Devrim: Yapay Zeka Gözlerini Mekansal Algıyla Açıyor
Bilgisayarlı görme alanında çığır açan Vision Transformer (ViT) teknolojisi, yeni bir evrime tanık oluyor. Araştırmacılar, mevcut sistemlerin mekansal bilgileri yetersiz işlemesi ve yüksek hesaplama maliyeti sorunlarını çözmek için RMT ve EVT adlı yenilikçi yaklaşımlar geliştirdi. Bu sistemler, Manhattan ve Öklid mesafe hesaplamalarını kullanarak yapay zekanın görsel bilgileri daha doğal ve verimli şekilde işlemesini sağlıyor. Özellikle EVT modeli, mekansal ilişkileri daha hassas bir şekilde modelleyerek görüntü tanıma ve analiz yeteneklerinde önemli ilerlemeler sunuyor.
Işık Tabanlı Yapay Zeka: Pasif Optik Sistemle Gerçek Zamanlı Görüntü Tanıma
Araştırmacılar, geleneksel elektronik sistemlerin enerji ve gecikme sorunlarını aşmak için devrim niteliğinde bir optik yapay zeka sistemi geliştirdi. Hibrit difraktif holografik mimari olarak adlandırılan bu sistem, ışığın dalga özelliklerini kullanarak görüntü sınıflandırması yapabiliyor. Sistem, Difraktif Optik Sinir Ağı (DONN) ile Holografik Girişim Tabanlı Öğrenme (HIBL) operatörünü birleştireyor. Bu yaklaşım, ışığın doğal yayılım, kırınım ve girişim özelliklerini hesaplama için kullanarak, saatli aritmetik işlemlere dayanan geleneksel sistemlerden fundamentally farklı bir hesaplama rejimi sunuyor. Pasif optik elemanlarda gömülebilen bu sistem, kenar zekası uygulamaları için önemli enerji tasarrufu potansiyeli taşıyor.
Yapay Zeka Artık Planktonları Etiketleme Olmadan Tanıyabiliyor
Bilim insanları, plankton tanıma sistemlerinde çığır açan bir yöntem geliştirdi. Geleneksel yöntemler, her plankton türünün elle etiketlenmesini gerektiriyordu - bu da son derece zaman alıcı bir süreçti. Yeni yaklaşım ise görüntü verilerini optik ölçümlerle birleştirerek, yapay zekanın manuel etiketleme olmadan öğrenmesini sağlıyor. Modern plankton görüntüleme cihazları, fotoğrafların yanında saçılma ve floresans profilleri gibi ek veriler de topluyor. Araştırmacılar bu ek verileri rehber olarak kullanarak, sistemin kendi kendine öğrenmesini mümkün kıldı. Bu yöntem, okyanus araştırmalarında büyük miktardaki plankton verisinin analiz edilmesini hızlandıracak ve deniz ekosistemlerinin daha iyi anlaşılmasına katkı sağlayacak.
Yapay Zeka Görüş Sistemlerine Yeni Saldırı Yöntemi: Kırışıklıklarla Aldatma
Araştırmacılar, görsel-dil modellerinin (VLM) güvenlik açığını ortaya çıkaran yeni bir saldırı yöntemi geliştirdi. Bu yöntem, kumaş kırışıklıklarının fiziğinden ilham alarak, yüzeylerde oluşturulan gerçekçi deformasyonlarla yapay zeka sistemlerini yanıltabiliyor. Çalışma, günümüzde görüntü tanıma, açıklama oluşturma ve görsel soru-cevap gibi alanlarda kullanılan VLM'lerin, esnek yüzeylerdeki kırışıklık gibi fiziksel değişimlere karşı ne kadar savunmasız olduğunu gösteriyor. Geliştirilen parametrik pertürbasyon yöntemi, çok ölçekli kırışıklık alanları oluşturarak fotorealistik görüntü bozulmaları yaratıyor. Bu keşif, yapay zeka güvenliği açısından önemli çünkü gerçek dünyada kolayca uygulanabilir saldırıların mümkün olduğunu ortaya koyuyor.