Convolutional Neural Network In Hindi ?

Convolutional Neural Network In Hindi ?

Convolutional Neural Network In Hindi ?

Convolutional Neural Network In Hindi :- मानव मस्तिष्क की तरह, मशीनें अब छवियों को पहचान सकती हैं, और इसके लिए संवादात्मक तंत्रिका नेटवर्क का उपयोग किया जाता है।

Convolutional Neural Network (CNN) एक गहन शिक्षण नेटवर्क है, जिसका उपयोग छवि मान्यता और प्रसंस्करण के लिए किया जाता है। यह डेटा में निहित छवियों को पहचानने में माहिर है, उन्हें वर्गीकृत करता है, अर्थात, यह विशेष समय पर पिक्सेल डेटा को संसाधित करने के लिए डिज़ाइन किया गया है।

Convolutional Neural Network का उपयोग कंप्यूटर विजन और कई अन्य दृश्य अनुप्रयोगों में किया जाता है, जहां एक छवि पहचान होती है या विशेष पैरों पर वर्गीकृत किया जाता है। यह स्वचालित रूप से छवियों की पहचान कर सकता है, कि यह एक मानव छवि, या कार या जानवर है, और इसे वर्गीकृत करने में पूरी तरह से सक्षम है, क्योंकि सीएनएन पूरी तरह से पैटर्न, लाइनें, सर्कल और यहां तक ​​कि आंख और चेहरे के चित्र में भी पहचान के विशेषज्ञ हैं। ।

ऑब्जेक्ट डिटेक्शन, फेस रिकंस्ट्रक्शन, आदि के कई क्षेत्र हैं, जहां पारंपरिक तंत्रिका नेटवर्क हैं जो व्यापक रूप से उपयोग किए जाते हैं (सीएनएन), इसका एक सामान्य उदाहरण एक वाहन है जो खुद को स्थानांतरित करता है और चेहरे की पहचान के अनुप्रयोग को लिया जा सकता है

CNN की इमेज को कैसे पहचाने ? 

Convolutional Neural Network एक फ़ीड तंत्रिका नेटवर्क उन्नत है, क्योंकि यह एक लूप नहीं बनाता है, लेकिन डेटा या सूचना की दिशा में आगे बढ़ रहा है, अर्थात् इनपुट से आउटपुट तक इनपुट। CNN इनपुट डेटा के रूप में चित्रों को लेता है, और फिर डेटा विभिन्न परतों से गुजरता है।

इसमें तीन मुख्य परतें, इनपुट लेयर्स, आउटपुट लेयर्स और दोनों के बीच कई छिपी हुई परतें शामिल हैं, जहां प्रसंस्करण प्रक्रिया की जाती है, उसके बाद ही आउटपुट प्राप्त होता है।

Convolutional Layer

जब एक इनपुट इमेज, यह कन्वेंशन लेयर तक पहुंचती है। विभिन्न संवादात्मक फ़िल्टर हैं जो यहां हैं, जो प्रत्येक फ़िल्टर छवि की कुछ विशेषताओं को निकालते हैं, जैसे कि छवियों, आकार, आकार, घटता, रंग की तीव्रता आदि में वस्तुओं का पता लगाना।

Pooling Layer 

पूलिंग लेयर का काम कन्वर्शन न्यूरल नेटवर्क में संवादी परत के बाद शुरू होता है। उद्देश्य संवादात्मक परत से प्राप्त आउटपुट आकार (फीचर मैप) को कम करना है, ताकि गणना को जोड़ा जा सके। यह इनपुट छवि केवल जानकारी खोने के बिना आवश्यक जानकारी निकालती है, जो प्रसंस्करण गति को बढ़ाती है, और फीचर मैप आकार को कम करती है। सभा, अधिकतम संग्रह, पूलिंग न्यूनतम और औसत संग्रह के तीन प्रकार के तरीके हैं।

Fully-Connected 

सीएनएन प्रक्रिया कन्वेंशन और कलेक्शन लेयर से होकर गुजरती है, जहां छवि विभिन्न विशेषताओं के रूप में क्षतिग्रस्त होती है और प्रत्येक भाग का स्वतंत्र रूप से विश्लेषण किया जाता है। पूरी प्रक्रिया के परिणाम पूरी तरह से जुड़े हुए हैं (एफसी) परत में फ़ीड करते हैं, उसके बाद ही वर्गीकरण (वर्गीकरण) वर्गीकरण प्रक्रिया

Onlinebeeindia

I am the owner of this blog, I have created this blog to help people so that they can read from my block and know about the online world, if possible from all those things, on this blog you will get all kinds of information in Hindi

एक टिप्पणी भेजें

Don't Spam

और नया पुराने