प्रौद्योगिकी साझेदारी

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

1. निर्देशिका

• एल्गोरिदम् मॉडल् इत्यस्य परिचयः
• आदर्श उपयोग प्रशिक्षण
• आदर्श मूल्याङ्कनम्
• परियोजना विस्तार

2. एल्गोरिदम् मॉडलस्य परिचयः

सङ्गणकदृष्टेः क्षेत्रे प्रतिबिम्बपरिचयः महत्त्वपूर्णा शोधदिशा अस्ति । चलयन्त्राणां लोकप्रियतायाः, कम्प्यूटिंगसंसाधनानाम् सीमायाः च कारणात् कुशलप्रतिबिम्बपरिचय-अल्गोरिदम्-निर्माणं विशेषतया महत्त्वपूर्णं जातम् MobileNetV2 इति 2018 तमे वर्षे गूगल-दलेन प्रस्तावितं हल्कं कन्वोल्यूशनल् न्यूरल-जाल-प्रतिरूपम् अस्ति परिदृश्यानि ।

पृष्ठभूमि:

MobileNetV2 इति MobileNet श्रृङ्खलायाः द्वितीयपीढीयाः मॉडलः अस्ति, यत् Google-दलेन विशेषतया मोबाईल-उपकरणानाम्, एम्बेडेड्-प्रणालीनां च कृते विकसितानां हल्केन कन्वोल्यूशनल् न्यूरल-जालस्य श्रृङ्खला अस्ति MobileNetV2 इति MobileNetV1 इत्यस्य उन्नतसंस्करणम् अस्ति, यत् लघुविशेषतां निर्वाहयन् मॉडलस्य सटीकतायां कार्यक्षमतां च अधिकं सुधारयति

MobileNetV2 एल्गोरिदम् प्रस्तावितं यत् चलयन्त्रेषु पारम्परिक-संकुल-तंत्रिका-जालस्य दुर्बल-प्रदर्शनस्य समस्यायाः समाधानं भवति, यथा गणनायाः बृहत् परिमाणं, मापदण्डानां संख्या च, यस्य परिणामेण संसाधन-संकुचित-वातावरणेषु प्रतिरूपस्य कुशलतापूर्वकं चालनं कर्तुं असमर्थता अभवत्

सिद्धान्तः १.

MobileNetV2 एल्गोरिदम् तकनीकीरणनीतीनां श्रृङ्खलायाः माध्यमेन कुशलं चित्रपरिचयं प्राप्नोति । मुख्यतया अन्तर्भवन्ति : १.

1. मूलभूतनिर्माणखण्डः उल्टा अवशिष्टसंरचना

MobileNetV2 "inverted residual structure" इति मूलभूतस्य निर्माणखण्डस्य उपयोगं करोति, अर्थात् Inverted Residual Block इति । इयं संरचना पारम्परिकस्य अवशिष्टखण्डस्य विपरीतम् अस्ति, प्रथमं आयामं न्यूनीकृत्य (चैनलसङ्ख्यां न्यूनीकर्तुं 1x1 कन्वोल्यूशनस्य उपयोगेन) ततः आयामं वर्धयित्वा (चैनलसङ्ख्यां वर्धयितुं 3x3 गभीरता-विच्छेदनीयं कन्वोल्यूशनस्य उपयोगेन) लघुभारं प्रतिरूपं च प्राप्तुं जटिलता न्यूनीकरण .

2. सक्रियण कार्य: रेखीय सुधारक रेखीय इकाई (ReLU6)

MobileNetV2 ReLU6 इत्यस्य उपयोगं सक्रियकरणकार्यस्य रूपेण करोति पारम्परिकस्य ReLU कार्यस्य तुलने ReLU6 नकारात्मकभागे 0 तथा सकारात्मकभागे अधिकतमं मूल्यं 6 निर्गच्छति, येन मॉडल् प्रशिक्षितुं सुलभं भवति तथा च अधिकं दृढं भवति

3. गभीरतया पृथक्करणीयं परिभ्रमणम्

MobileNetV2 व्यापकरूपेण गभीरतानुसारं पृथक्करणीयं कन्वोल्यूशन (Depthwise Separable Convolution) इत्यस्य उपयोगं करोति यत् मानक कन्वोल्यूशन-सञ्चालनानि गभीरता-परिवर्तनं तथा बिन्दु-वार-कन्वोल्यूशन इत्यत्र विघटनं करोति, येन गणनायाः परिमाणं, पैरामीटर्-सङ्ख्या च बहुधा न्यूनीभवति

4. नेटवर्क आर्किटेक्चर डिजाइन

MobileNetV2 भिन्न-भिन्न-संकल्पानां बहुविध-विशेषता-नक्शानां परिचयं कृत्वा संजालस्य निर्माणं करोति । एतेषां विशेषतानक्शानां विभिन्नस्तरस्य उपयोगेन जालं भिन्न-भिन्न-परिमाणेषु चित्राणां शब्दार्थ-विशेषतां ज्ञातुं समर्थं भवति, येन चित्र-परिचयस्य सटीकतायां सुधारः भवति

अनुप्रयोगः:

MobileNetV2 इत्यस्य लघुलक्षणस्य कुशलगणनाक्षमतायाः च कारणेन मोबाईल-उपकरणेषु एम्बेडेड्-प्रणालीषु च इमेज-परिचय-कार्येषु व्यापकरूपेण उपयोगः भवति व्यावहारिकप्रयोगेषु वयं पूर्वप्रशिक्षितस्य MobileNetV2 मॉडलस्य उपयोगं कर्तुं शक्नुमः तथा च विशिष्टप्रतिबिम्बपरिचयकार्येषु स्थानान्तरयितुं शक्नुमः, तस्मात् सीमितसंसाधनैः सह उच्चगुणवत्तायुक्तं चित्रपरिचयं प्राप्तुं शक्नुमः

MobileNetV2 इत्यनेन चित्रवर्गीकरणं, लक्ष्यपरिचयः, मुखपरिचयः इत्यादिषु कार्येषु उत्तमं प्रदर्शनं कृतम्, तथा च मोबाईलप्रतिबिम्बपरिचयस्य कृते प्राधान्ययुक्तेषु एल्गोरिदम्षु अन्यतमं जातम्

3. आदर्शप्रयोगः प्रशिक्षणं च

अस्मिन् लेखे चित्रपरिचयवर्गीकरणप्रणालीं कथं कार्यान्वितुं शक्यते इति प्रदर्शयितुं पञ्च सामान्यफलदत्तांशसमूहाः चयनिताः सन्ति पुटसंरचना अधोलिखिते चित्रे दर्शिता अस्ति ।

पूर्वतनम्‌ अग्रिम