WiMi Umumkan Algoritma Fusi Fitur Multi-Level Berdasarkan Jaringan Saraf Konvolusional

(SeaPRwire) –   BEIJING, 21 Nov 2023 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” atau “Perusahaan”), penyedia teknologi Hologram Augmented Reality (“AR”) global terkemuka, hari ini mengumumkan bahwa algoritma fusi fitur multitigkat berdasarkan jaringan saraf tiruan (CNN) dapat lebih baik menangkap informasi global dan lokal dari sebuah gambar dan meningkatkan kinerja model dengan menggabungkan fitur dari tingkat yang berbeda.

Algoritma fusi fitur telah banyak digunakan dalam penglihatan komputer, pemrosesan bahasa alami dan bidang lainnya. Dengan menggabungkan fitur dari tingkat atau modalitas yang berbeda, kemampuan ekspresif dan kinerja model ditingkatkan untuk lebih baik menyelesaikan tugas yang kompleks. Algoritma fusi fitur multitigkat yang dipelajari oleh WiMi mengadopsi struktur jaringan dalam, dan secara bertahap mengekstrak fitur tingkat tinggi gambar melalui beberapa operasi konvolusi dan pengumpulan, untuk lebih baik mengekspresikan informasi semantik gambar. Selain itu, dengan menggabungkan fitur pada tingkat yang berbeda, model dapat fokus pada informasi global dan lokal tentang gambar, sehingga meningkatkan kinerja model. Algoritma fusi fitur multitigkat, sebagai model CNN yang ditingkatkan, memiliki aplikasi penting di bidang pengolahan gambar. CNN adalah algoritma pembelajaran mendalam yang banyak digunakan di bidang penglihatan komputer. Ini mengekstrak fitur gambar melalui lapisan konvolusi dan pengumpulan multitigkat dan melakukan klasifikasi dan pengenalan melalui lapisan terhubung sepenuhnya, yang memiliki keunggulan pembelajaran otomatis representasi fitur, berbagi parameter dan kemampuan lokal.

Algoritma fusi fitur multitigkat berbasis CNN dapat meningkatkan kinerja dan keumuman model dengan menggabungkan fitur dari berbagai lapisan. Model CNN berlapis yang mengandung beberapa lapisan konvolusi dan pengumpulan serta lapisan terhubung sepenuhnya untuk tugas klasifikasi digunakan. Dengan menggabungkan fitur dari berbagai lapisan, informasi dari berbagai lapisan dapat diekstrak secara efektif dan fitur dari berbagai lapisan gambar dapat diekstrak secara efektif untuk klasifikasi yang lebih baik, sehingga meningkatkan akurasi model. Aplikasi algoritma terutama mencakup modul kunci berikut:

Ekstraksi fitur: Pertama, gambar masukan diekstrak fiturnya menggunakan CNN. Berbagai tingkat lapisan konvolusi dapat mengekstrak fitur dengan berbagai tingkat abstraksi gambar.

Fusi fitur: Fitur pada tingkat yang berbeda digabung. Berbagai metode fusi dapat digunakan seperti fusi berbobot, fusi kaskade atau fusi paralel. Fusi berbobot dapat memperoleh bobot setiap lapisan fitur melalui pembelajaran, fusi kaskade dapat menghubungkan fitur tingkat yang berbeda secara berurutan, dan fusi paralel dapat memproses fitur tingkat yang berbeda secara paralel.

Pemapan fitur: Fitur yang digabung dipetakan lebih lanjut untuk mengekstrak fitur yang lebih diskriminatif. Ini dapat dicapai menggunakan lapisan terhubung sepenuhnya, lapisan pengumpulan, atau fungsi peta nonlinier lainnya.

Seleksi fitur: Memilih fitur yang paling diskriminatif untuk pengolahan lebih lanjut sesuai dengan kebutuhan tugas khusus.

Algoritma fusi fitur multitigkat berbasis CNN meningkatkan kinerja dan kemampuan umum model dengan secara efektif mengekstrak fitur multitigkat gambar dan menggabungkannya, dan memiliki arti penelitian dan prospek aplikasi yang penting. Algoritma ini memiliki berbagai aplikasi dalam tugas seperti klasifikasi gambar, deteksi target dan generasi gambar.

Saat ini algoritma fusi fitur multitigkat terutama berfokus pada fusi fitur dangkal dan menengah, dan di masa depan, WiMi akan lebih jauh meneliti fusi fitur yang lebih dalam, seperti fusi fitur tingkat tinggi, untuk meningkatkan kinerja dan kemampuan ekspresi algoritma. Mekanisme perhatian diperkenalkan ke dalam algoritma fusi fitur multitigkat untuk meningkatkan kemampuan jaringan untuk mempersepsi dan memanfaatkan fitur kunci. Selain CNN, model lain dapat dipertimbangkan untuk digabungkan dengan algoritma fusi fitur multitigkat, seperti jaringan saraf rekurensi (RNN) atau jaringan konvolusi grafik (GCN), untuk lebih lanjut meningkatkan kinerja dan aplikabilitas algoritma. Kinerja algoritma fusi fitur multitigkat dapat ditingkatkan dengan memperbaiki struktur jaringan, seperti memperkenalkan koneksi sisa dan meningkatkan lebar dan kedalaman jaringan.

Algoritma fusi fitur multitigkat berbasis CNN telah banyak digunakan di bidang penglihatan komputer, dan di masa depan, WiMi akan terus memperluas ke bidang lain, seperti pemrosesan bahasa alami, pengenalan suara, dll., untuk menjelajahi potensi dan aplikasi algoritma fusi fitur multitigkat dalam tugas lain.

Tentang WIMI Hologram Cloud

WIMI Hologram Cloud, Inc. (NASDAQ: WIMI) adalah penyedia solusi teknis komprehensif berbasis awan holografik yang berfokus pada bidang profesional termasuk perangkat lunak otomotif HUD holografik AR, LiDAR pulse 3D holografik, peralatan light field holografik head-mounted, semikonduktor holografik, perangkat lunak awan holografik, navigasi mobil holografik dan lainnya. Layanan dan teknologi holografik AR-nya termasuk aplikasi otomotif holografik AR, teknologi LiDAR pulse 3D holografik, teknologi semikonduktor penglihatan holografik, pengembangan perangkat lunak holografik, teknologi iklan holografik AR, teknologi hiburan holografik AR, pembayaran SDK holografik AR, komunikasi holografik interaktif dan teknologi holografik AR lainnya.

Pernyataan Aman

Pernyataan-pernyataan “ke depan” dalam siaran pers ini berisi pernyataan-pernyataan yang merupakan “pernyataan ke depan” berdasarkan Private Securities Litigation Reform Act of 1995. Pernyataan-pernyataan ke depan dapat diidentifikasi dengan terminologi seperti “akan”, “diharapkan”, “diperkirakan”, “masa depan”, “berniat”, “merencanakan”, “percaya”, “mengestimasikan”, dan pernyataan serupa. Pernyataan-pernyataan yang bukan merupakan fakta historis, termasuk pernyataan mengenai keyakinan dan ekspektasi manajemen dalam siaran pers ini dan rencana strategis dan operasional Perusahaan mengandung pernyataan ke depan. Perusahaan juga dapat membuat pernyataan ke depan tertulis atau lisan dalam laporan periodiknya kepada SEC (“Komisi Sekuritas dan Bursa Amerika Serikat”) pada Formulir 20-F dan 6-K, dalam laporan tahunannya kepada pemegang saham, dalam siaran pers, dan bahan tertulis lainnya, dan dalam pernyataan lisan yang dibuat oleh pejabat, direktur atau karyawannya kepada pihak ketiga. Pernyataan ke depan melibatkan risiko dan ketidakpastian inheren. Beberapa faktor dapat menyebabkan hasil aktual berbeda secara material dari setiap pernyataan ke depan, termasuk tetapi tidak terbatas pada faktor-faktor berikut: tujuan dan strategi Perusahaan; pengembangan bisnis, kondisi keuangan dan hasil operasi Perusahaan di masa depan; pertumbuhan yang diharapkan dari industri hologram AR; dan ekspektasi Perusahaan terhadap permintaan dan penerimaan pasar atas produk dan layanannya.

Informasi lebih lanjut mengenai risiko-risiko tersebut termasuk dalam laporan tahunan Perusahaan pada Formulir 20-F dan laporan kini pada Formulir 6-K dan dokumen lain yang diajukan ke SEC. Semua informasi yang disediakan dalam siaran pers ini adalah per tanggal siaran pers ini. Perusahaan tidak berkewajiban untuk memperbarui setiap pernyataan ke depan kecuali sebagaimana disyaratkan berdasarkan hukum yang berlaku.

Artikel ini disediakan oleh penyedia konten pihak ketiga. SeaPRwire (https://www.seaprwire.com/) tidak memberikan jaminan atau pernyataan sehubungan dengan hal tersebut.

Sektor: Top Story, Daily News

SeaPRwire menyediakan layanan distribusi siaran pers kepada klien global dalam berbagai bahasa(Hong Kong: AsiaExcite, TIHongKong; Singapore: SingapuraNow, SinchewBusiness, AsiaEase; Thailand: THNewson, ThaiLandLatest; Indonesia: IndonesiaFolk, IndoNewswire; Philippines: EventPH, PHNewLook, PHNotes; Malaysia: BeritaPagi, SEANewswire; Vietnam: VNWindow, PressVN; Arab: DubaiLite, HunaTimes; Taiwan: TaipeiCool, TWZip; Germany: NachMedia, dePresseNow)