Lakhasly

Online English Summarizer tool, free and accurate!

Summarize result (50%)

Dans cette sous-section, nous expliquons l'utilisation d'une caméra de smartphone haute résolution pour identifier et classer les informations sur les oiseaux sur la base de l'apprentissage en profondeur. Pour compléter la tâche de recherche sémantique des oiseaux, nous avons établi une architecture client-serveur pour combler le fossé de communication entre le cloud et l'appareil mobile sur un réseau. Par la suite, un modèle d'inférence TF a été développé dans le poste de travail pour un déploiement dans le smartphone. Côté poste de travail/serveur, les segments suivants ont été pris en compte.

L'architecture CNN a été formée pour charger les données d'entrée brutes des images d'oiseaux à l'aide de Keras rappels avec les paramètres prédéfinis au format TF pour s'adapter au modèle d'inférence. Après la formation du modèle, les paramètres de tous les événements de session enregistrés de la progression du modèle à chaque époque ont été enregistrés sous forme de fichier de point de contrôle TF . Avant que le modèle formé ne soit figé, un objet économiseur a été créé pour la session, et les points de contrôle, le nom du modèle, le chemin du modèle et les couches de paramètres d'entrée-sortie du modèle ont été définis. Toutes les autres affectations de métadonnées explicites qui n'étaient pas nécessaires pour l'inférence client-serveur, telles que les répertoires GPU sur les nœuds de graphe ou les chemins de graphe, ont été supprimées.

Enfin, le modèle entraîné a été gelé en convertissant tous les paramètres variables du fichier de points de contrôle en constantes . Par la suite, les deux fichiers ont été sérialisés en un seul fichier en tant que ProtoBuf graph_def. Le graphe gelé en tant que ProtoBuf graph_def peut être optimisé, si nécessaire, pour l'inférence de faisabilité. Le graph_def ProtoBuf enregistré a été rechargé et réenregistré dans une valeur de chaîne sérialisée.



Une fois le modèle formé et enregistré pour l'inférence mobile sur le poste de travail, nous avons créé une application Android pour copier et configurer les fichiers d'inférence TF. La reconnaissance des oiseaux peut être exécutée via une inférence basée sur le cloud et l'appareil. Dans cette approche de l'inférence d'apprentissage en profondeur sur un appareil mobile, les paramètres du modèle formé sont chargés dans l'application mobile, et les calculs sont effectués localement sur l'appareil pour prédire la sortie d'image. En raison des avantages susmentionnés, l'inférence basée sur le cloud a été utilisée pour exécuter la reconnaissance d'images d'oiseaux.


Original text

Dans cette sous-section, nous expliquons l'utilisation d'une caméra de smartphone haute résolution pour identifier et classer les informations sur les oiseaux sur la base de l'apprentissage en profondeur. Pour compléter la tâche de recherche sémantique des oiseaux, nous avons établi une architecture client-serveur pour combler le fossé de communication entre le cloud et l'appareil mobile sur un réseau. Par la suite, un modèle d'inférence TF a été développé dans le poste de travail pour un déploiement dans le smartphone. Côté poste de travail/serveur, les segments suivants ont été pris en compte.


L'architecture CNN a été formée pour charger les données d'entrée brutes des images d'oiseaux à l'aide de Keras rappels avec les paramètres prédéfinis au format TF pour s'adapter au modèle d'inférence. Après la formation du modèle, les paramètres de tous les événements de session enregistrés de la progression du modèle à chaque époque ont été enregistrés sous forme de fichier de point de contrôle TF . Avant que le modèle formé ne soit figé, un objet économiseur a été créé pour la session, et les points de contrôle, le nom du modèle, le chemin du modèle et les couches de paramètres d'entrée-sortie du modèle ont été définis. Toutes les autres affectations de métadonnées explicites qui n'étaient pas nécessaires pour l'inférence client-serveur, telles que les répertoires GPU sur les nœuds de graphe ou les chemins de graphe, ont été supprimées.


Enfin, le modèle entraîné a été gelé en convertissant tous les paramètres variables du fichier de points de contrôle en constantes . Par la suite, les deux fichiers ont été sérialisés en un seul fichier en tant que ProtoBuf graph_def. Le graphe gelé en tant que ProtoBuf graph_def peut être optimisé, si nécessaire, pour l'inférence de faisabilité. Le graph_def ProtoBuf enregistré a été rechargé et réenregistré dans une valeur de chaîne sérialisée.


Une fois le modèle formé et enregistré pour l'inférence mobile sur le poste de travail, nous avons créé une application Android pour copier et configurer les fichiers d'inférence TF. La reconnaissance des oiseaux peut être exécutée via une inférence basée sur le cloud et l'appareil. Dans cette approche de l'inférence d'apprentissage en profondeur sur un appareil mobile, les paramètres du modèle formé sont chargés dans l'application mobile, et les calculs sont effectués localement sur l'appareil pour prédire la sortie d'image. En raison des avantages susmentionnés, l'inférence basée sur le cloud a été utilisée pour exécuter la reconnaissance d'images d'oiseaux.


Summarize English and Arabic text online

Summarize text automatically

Summarize English and Arabic text using the statistical algorithm and sorting sentences based on its importance

Download Summary

You can download the summary result with one of any available formats such as PDF,DOCX and TXT

Permanent URL

ٌYou can share the summary link easily, we keep the summary on the website for future reference,except for private summaries.

Other Features

We are working on adding new features to make summarization more easy and accurate


Latest summaries

تخطيط قصير المد...

تخطيط قصير المدي خطة التدريس اليومية الخطة السنوية الفصلية: هي تصور شامل لتدريس مادة دراسية مقررة ام...

تعديل سلوك أفرا...

تعديل سلوك أفرادها، و يسهم علم الاجتماع الرياضي في إمداد المدرس بالمعلومات و الخدمات .3- مجالات علم ...

لمشكله الاقتصاد...

لمشكله الاقتصاديه ( اسبابها وطرق حلها ) : تتمثل المشكله الاقتصاديه في ندرة الموارد الاقتصاديه وتعدد ...

Nobody knew bet...

Nobody knew better than Mrs McFarlane what wasting money meant. She often sat up late in the evening...

شرح سوم يقسم ال...

شرح سوم يقسم الله مالي بمواقع النجوم ومنازلها على أن القرآن العظيم كتاب كريم ذو شرف رفيع، فيه منافع ...

الصحن: يشعل نصف...

الصحن: يشعل نصف الجامع وهو مربع الشكل ويتوسط كل ضلع من اضلاعه الثلاثة التى تطل على الميدان من النواح...

المادة رقم 98 :...

المادة رقم 98 : 1- الطلاق نوعان: رجعي وبائن. المادة رقم 107: يملك الزوج على زوجته ثلاث طلقات. المادة...

The principle o...

The principle of work of the electric transformer The reader usually comes to the question of how th...

لقد أدى استمرار...

لقد أدى استمرار الصراع بين الدولتين العثمانية والفارسية ولفترة طويلة وكذلك وجود المشاكل الداخلية في ...

إلعــام العربــ...

إلعــام العربــي فــي مواجهــة تحديــات الرقمنــة تناولــت مجموعــة مــن الدراســات واألبحــاث موضــ...

a. First, I tri...

a. First, I tried simply avoiding the snacks aisle of the supermarket. b. Then I started limiting my...

منذ أوائل التسع...

منذ أوائل التسعينات والتعليم الماليزي يشهد اصلاحات كبرى يشارك فيها جميع مستويات التعليم الابتدائي وا...