#OORT #百倍币 #AI #datahub

ما هو "التعليق التوضيحي للبيانات" وماذا يفعل

تعتبر تسمية البيانات خطوة مهمة في مجال تعلم العمق الذكاء الاصطناعي (AI)، حيث يتم وضع 'علامات' مسبقًا على 'البيانات مثل الصور' التي يجب على الذكاء الاصطناعي (الحاسوب) التعرف عليها وتمييزها، مما يتيح للذكاء الاصطناعي (الحاسوب) التعرف بشكل مستمر على سمات هذه 'البيانات مثل الصور'، وإقامة 'علاقة تطابق' مع 'العلامات'، ليتمكن في النهاية الذكاء الاصطناعي (الحاسوب) من التعرف بشكل مستقل على هذه 'البيانات مثل الصور'.
على سبيل المثال، لجعل الذكاء الاصطناعي (الكمبيوتر) قادرًا على التعرف على الطائرات، يجب توفير العديد من الصور المختلفة للطائرات ووضع علامة "هذا هو نوع الطائرة"، والسماح للذكاء الاصطناعي (الكمبيوتر) بالتعلم مرارًا وتكرارًا. يكمن معنى تسمية البيانات في توفير بيانات تدريب دقيقة وموثوقة لخوارزمية ، مما يعزز أداء النموذج ودقته. من خلال تسمية البيانات، يمكن لنموذج تعلم الآلة أن يتعلم سمات البيانات وقوانينها، وبالتالي تحقيق المهام مثل التصنيف والتعرف والتنبؤ.
ما هو التعليم عن بُعد؟ في السنوات الأخيرة، حقق التعلم العميق، كتقنية رئيسية في الذكاء الاصطناعي (AI)، تقدمًا كبيرًا في مجالات مثل معالجة الصور والصوت والنص.
الذكاء الاصطناعي هو الذكاء الذي يتولد من الآلة، وفي مجال الحوسبة يشير إلى برنامج الحاسوب الذي يتفاعل مع البيئة ويتخذ إجراءات معقولة ويحقق أقصى استفادة. وبمعنى آخر، لتحقيق الذكاء الاصطناعي، يجب أن نعلم الحاسوب القدرة على فهم وتقييم الأشياء على النحو الذي يمكن للإنسان فعله، ونمنح الحاسوب القدرة على التعرف بشكل مشابه للإنسان.
عندما يتعرف البشر على شيء جديد ، يجب عليهم أولا تكوين انطباع أولي عن الشيء. على سبيل المثال ، لكي يتمكن الذكاء الاصطناعي (الكمبيوتر) من التعرف على الطائرة ، من الضروري توفير عدد كبير من الصور المختلفة للطائرة وإنشاء التسمية "هذه طائرة" ، حتى يتمكن الذكاء الاصطناعي (الكمبيوتر) من التعلم مرارا وتكرارا. يمكن اعتبار التعليقات التوضيحية للبيانات محاكاة للتعلم التجريبي في عملية التعلم البشري ، وهو ما يعادل السلوك المعرفي للبشر للحصول على المعرفة الموجودة من الكتب. في العملية المحددة ، يقوم التعليق التوضيحي للبيانات بتسمية الصور التي يجب التعرف عليها وتمييزها من قبل الكمبيوتر مسبقا ، بحيث يمكن للكمبيوتر تحديد خصائص هذه الصور باستمرار ، وأخيرا إدراك أن الكمبيوتر يمكنه التعرف عليها بشكل مستقل. يوفر التعليق التوضيحي للبيانات للشركات الذكاء الاصطناعي كمية كبيرة من البيانات المصنفة للتدريب الآلي والتعلم ، مما يضمن فعالية نموذج المختبر.

2. أنواع تسميات البيانات الشائعة
أنواع تسمية البيانات الشائعة تشمل: تسمية الصور وتسمية الصوت وتسمية النص.
1. توضيح الصور يشمل توضيح الصور وتوضيح الفيديو ، حيث يتكون الفيديو أيضًا من سلسلة من الصور المتتالية. عادةً ما يتطلب توضيح الصور من المشاركين استخدام ألوان مختلفة لتمييز الهدف المستهدف ، ثم وضع تسميات على المحيط المقابل للهدف المحدد ، واستخدام التسميات لتلخيص محتوى المحيط ، من أجل تمكين نموذج الخوارزمية من التعرف على العناصر المختلفة في الصورة. يستخدم توضيح الصور عادة في تطبيقات مثل التعرف على الوجوه والكشف عن المركبات ذاتية القيادة.

2. تسمية صوتية
تعليق الصوت هو تعرف نموذج الخوارزمية على محتوى النص المنقول بعد الكشف عنه وربطه بالتسجيل الصوتي المقابل. تشمل سيناريوهات تعليق الصوت معالجة اللغة الطبيعية والترجمة الفورية، والطريقة الشائعة لتعليق الصوت هي التحويل الصوتي.

3、تسمية النص
تعني تعليق النص توضيح محتوى النص وفقًا لمعايير أو معايير معينة ، مثل تقسيم الكلمات وتحديد المعاني ووسم أنواع الكلمات وترجمة النص وتلخيص الأحداث الموضوعية ، وتشمل السيناريوهات التطبيقية التعرف التلقائي على بطاقات العمل وتعرف على الشهادات. حاليًا ، تشمل مهام تعليق النص الشائعة تعليق المشاعر وتعليق الكيانات وتعليق أنواع الكلمات وتعليق النصوص الأخرى.

ثالثا، مهام تسمية البيانات الشائعة
مهام التعليق على البيانات الشائعة تشمل تعليق التصنيف وتعليق الصندوق وتعليق المنطقة وتعليق النقطة وتعليق الدمج ثنائي الأبعاد وثلاثي الأبعاد وتعليق السحابة النقطية وتعليق الخط وما إلى ذلك.
1、تصنيف العلامات: يشير إلى اختيار العلامة المناسبة من مجموعة العلامات المعطاة وتخصيصها للكائن المعلم.

2، تحديد مربع: يشير إلى اختيار الكائنات التي ترغب في الكشف عنها من الصورة، وهذه الطريقة تنطبق فقط على تحديد الصور.

3. التعليق الإقليمي: بالمقارنة مع تعليق الإطار، فإن متطلبات التعليق الإقليمي أكثر دقة، كما يمكن أن تكون الحواف مرنة ومقتصرة على التعليق على الصور، ويشمل السيناريوهات الرئيسية الأمثلة الأساسية مثل التعرف على الطرق والخرائط في قيادة السيارات الذاتية.

4. توضيح النقاط: يشير إلى تمييز عناصر يتعين تمييزها (مثل الوجه، الأطراف) بتحديد النقاط حسب المواقع المطلوبة، وذلك لتحقيق تعرف على نقاط مفتاحية في أجزاء معينة.

5، 2D، دمج التوصيف ثلاثي الأبعاد: يشير إلى تسمية البيانات التي تم جمعها بواسطة أجهزة الاستشعار ثنائية الأبعاد وثلاثية الأبعاد في نفس الوقت وإنشاء الارتباطات.

6، تسمية السحابة النقطية: تعتبر تسمية السحابة النقطية أحد الطرق الهامة لتعبير البيانات ثلاثية الأبعاد، حيث يمكن لمجسات مثل الليزر وغيرها من المستشعرات جمع معلومات عن مختلف أنواع العوائق ومواقعها الدقيقة، وبينما يقوم المسمي بتصنيف هذه السحب النقطية الكثيفة وتسميتها بخصائص مختلفة.

7、التسمية بخطوط القطع: يتم استخدام الخطوط الرئيسية بشكل أساسي لتسمية حواف ومحيطات أهداف الصور.

أربعة، معنى تسمية البيانات
أهمية تسمية البيانات تكمن في توفير بيانات تدريب دقيقة وموثوقة للخوارزمية  الخاصة بالتعلم الآلي، مما يعزز أداء النموذج ودقته. من خلال تسمية البيانات، يمكن لنموذج التعلم الآلي أن يتعلم سمات البيانات وقوانينها، وبالتالي تحقيق المهام مثل التصنيف والتعرف والتنبؤ. على وجه التحديد، يمكن لتسمية البيانات تعزيز أداء النموذج. يمكن للبيانات المُسمَّاة أن تساعد النموذج في فهم الهيكل الداخلي للبيانات والأنماط بشكل أفضل، وبالتالي تحسين قدرة النموذج على التصنيف أو التعرف أو التنبؤ. يمكن لتسمية البيانات أن توسّع نطاق تطبيق النموذج. من خلال تسمية البيانات في مجالات وسيناريوهات مختلفة، يمكن أن يتكيف النموذج مع مجموعة أوسع من السيناريوهات، مما يوسع نطاق تطبيقه. بشكل عام، تلعب تسمية البيانات دورًا حاسمًا في مجالي التعلم الآلي والذكاء الاصطناعي، حيث إنها ليست فقط خطوة رئيسية لتعزيز أداء النموذج، بل هي أساس مهم لتعزيز القرارات المستندة إلى البيانات.