ఫేషియల్ రికగ్నిషన్ టెక్నాలజీ ప్రమాదకర స్థాయిలో అభివృద్ధి చెందుతోంది మరియు గాజు వాస్తవానికి ఆధునిక వ్యవస్థల ప్రతినిధి మరియు ఈ ప్రక్రియ యొక్క ప్రధాన అంశం.
విస్కాన్సిన్-మాడిసన్ విశ్వవిద్యాలయం ప్రచురించిన ఇటీవలి పేపర్ ఈ రంగంలో పురోగతిని హైలైట్ చేస్తుంది మరియు సెన్సార్లు లేదా శక్తి లేకుండా వారి "ఇంటెలిజెన్స్" గ్లాస్‌ను గుర్తించవచ్చు." కెమెరాలు, సెన్సార్లు మరియు డీప్ న్యూరల్ నెట్‌వర్క్‌ల సాధారణ సెట్టింగ్‌లను సన్నని గాజు ముక్కగా కుదించడానికి మేము ఆప్టికల్ సిస్టమ్‌ను ఉపయోగిస్తున్నాము, ”అని పరిశోధకులు వివరించారు. ఈ పురోగతి ముఖ్యమైనది ఎందుకంటే నేటి AI చాలా కంప్యూటింగ్ శక్తిని వినియోగిస్తుంది, మీరు మీ ఫోన్‌ని అన్‌లాక్ చేయడానికి ముఖ గుర్తింపును ఉపయోగించినప్పుడు ప్రతిసారీ ఎక్కువ బ్యాటరీ శక్తిని వినియోగిస్తుంది. కొత్త గ్లాస్ ఎటువంటి శక్తి లేకుండా ముఖాలను గుర్తిస్తుందని బృందం విశ్వసిస్తుంది.
ప్రూఫ్-ఆఫ్-కాన్సెప్ట్ పనిలో చేతితో వ్రాసిన సంఖ్యలను గుర్తించే గాజు రూపకల్పన ఉంటుంది.
సిస్టమ్ కొన్ని సంఖ్యల చిత్రాల నుండి వెలువడే కాంతి ద్వారా పని చేస్తుంది మరియు ప్రతి సంఖ్యకు అనుగుణంగా మరొక వైపున ఉన్న తొమ్మిది పాయింట్లలో ఒకదానిపై దృష్టి పెడుతుంది.
సంఖ్యలు మారినప్పుడు సిస్టమ్ నిజ సమయంలో పర్యవేక్షించగలదు, ఉదాహరణకు 3 8కి మారినప్పుడు.
"మేము ఈ సంక్లిష్ట ప్రవర్తనను ఇంత సరళమైన నిర్మాణంలో పొందగలిగాము అనే వాస్తవం నిజమైన అర్ధమే" అని బృందం వివరిస్తుంది.
నిస్సందేహంగా, ఏ రకమైన మార్కెట్ అప్లికేషన్‌ను ఆక్రమించుకోవడానికి ఇది ఇప్పటికీ చాలా దూరంలో ఉంది, అయితే వందల కొద్దీ ఉపయోగించగల ఒకే గాజు ముక్కలను అందించడం ద్వారా నేరుగా మెటీరియల్‌లో నిర్మించిన నిష్క్రియ కంప్యూటింగ్ సామర్థ్యాలను అనుమతించే మార్గంలో వారు పొరపాట్లు చేశారని బృందం ఇప్పటికీ ఆశాజనకంగా ఉంది. మరియు వేల సార్లు. సాంకేతికత యొక్క క్షణిక స్వభావం అనేక సంభావ్య సంభావ్య కేసులను అందిస్తుంది, అయినప్పటికీ మెటీరియల్‌లను త్వరగా గుర్తించడానికి ఇంకా చాలా శిక్షణ అవసరం, మరియు ఈ శిక్షణ అంత వేగంగా ఉండదు.
అయినప్పటికీ, వారు విషయాలను మెరుగుపరచడానికి తీవ్రంగా కృషి చేస్తున్నారు మరియు చివరికి వాటిని ముఖ గుర్తింపు వంటి రంగాలలో ఉపయోగించాలనుకుంటున్నారు. "ఈ సాంకేతికత యొక్క నిజమైన శక్తి ఏ శక్తి వినియోగం లేకుండా వెంటనే మరింత సంక్లిష్టమైన వర్గీకరణ పనులను ఎదుర్కోగల సామర్ధ్యం," వారు వివరిస్తారు. "కృత్రిమ మేధస్సును రూపొందించడానికి ఈ పనులు కీలకం: ట్రాఫిక్ సిగ్నల్‌లను గుర్తించడానికి డ్రైవర్‌లెస్ కార్లకు బోధించడం, వినియోగదారు పరికరాలలో వాయిస్ నియంత్రణను అమలు చేయడం మరియు అనేక ఇతర ఉదాహరణలు."
వారు తమ ప్రతిష్టాత్మకమైన లక్ష్యాలను సాధించారో లేదో కాలమే చెబుతుంది, కానీ ముఖ గుర్తింపుతో, ఇది ఖచ్చితంగా సంబంధించిన ప్రయాణం.
పోస్ట్ సమయం: అక్టోబర్-09-2019
