المحتوى

• كيف تعمل الشبكات العصبية
• الشبكات العصبية داخل هاتفك الذكي
• يمكن لمنظمة العفو الدولية تشكيل مستقبل التصوير

بالإضافة إلى التصوير الفوتوغرافي المحوسب ، وأجهزة الكاميرا عالية الجودة ، ومعالجات إشارات الصور ، فإن التصوير المتحرك المتطور مدعوم بشكل متزايد بواسطة خوارزميات تعلم الآلة - المعروفة أيضًا باسم الذكاء الاصطناعي (AI). تعد تقنية التصوير الفوتوغرافي هذه بتحسين الجودة في الدفع نحو جودة تشبه DSLR مع توفير طرق إبداعية جديدة لتصوير وتحرير الصور والفيديو.

مفتاح التعلم الآلي هو استخدام الشبكات العصبية. هذا نوع من الخوارزميات يشبه غالبًا الدماغ البشري. هذه المقارنة مستمدة من قدرة الشبكة العصبية على التدريب ، من خلال استخدام البيانات ، على التعرف على الأنماط ، مما يتيح لها إجراء تصنيفات دقيقة للغاية لأنواع البيانات المعقدة مثل الصوت والصور.

عندما يتعلق الأمر بالتصوير الفوتوغرافي ، فإن القدرة على الملاحظة والتعلم والتكوين والتصنيف لديها مجموعة واسعة من التطبيقات. يمكن أن تتضمن هذه التطبيقات ميزات مثل الاعتماد على تقنيات التصوير الحسابي لتحسين خوارزميات ما بعد المعالجة ، وخوخه البرامج في الوقت الفعلي مع فيديو 4K ، أو حتى استبدال ألوان الملابس التي ترتديها بالكامل.

كيف تعمل الشبكات العصبية

تعد الشبكات العصبية موضوعًا معقدًا للغاية ، لذلك لن نغطي الأساسيات هنا. لمزيد من القراءة المتقدمة ، تحقق من الأدلة هنا وهنا.

تتكون الشبكات العصبية من العقد ، وهو مؤشر على حيث يتم إجراء بعض العمليات الحسابية. تجمع كل عقدة بين المدخلات والوزن الذي يضخم أو يخفف من أهمية تلك العقدة المحددة. تعمل العديد من العقد بشكل متوازٍ ، مما يخلق طبقة من العقد تؤدي مهمة أكبر. هذا يمكن أن يكون الكشف عن ميزة داخل صورة ، على سبيل المثال. يمكن تلخيص العقد والطبقات المتعددة معًا وتمريرها إلى العقد والطبقات الأخرى ، مما يشكل شبكة أعمق بقدرات أكثر قوة.

يتم قياس الإخراج من كل عقدة وطبقة كدالة احتمالية. من خلال النظر إلى الكثير من الميزات والسمات المختلفة ، يمكن للشبكة العصبية تقييم المدخلات كمطابقة احتمال مقابل جميع المخرجات المحتملة المتوقعة. هذه هي الطريقة التي تقرر بها خوارزميات الكشف عن الصورة ما إذا كانت الصورة تشبه القطة أو اللون البرتقالي ، ولكن عليك أن تخبرها بما تبحث عنه أولاً.

الشبكات العصبية ليست مبرمجة تمامًا مثل خوارزميات الكمبيوتر التقليدية. بدلاً من ذلك ، يتم تدريبهم على مجموعات البيانات ، مثل الصور وملفات الصوت ، وما إلى ذلك. يتم ضبط أوزان كل عقدة تدريجياً بمرور الوقت عبر حلقة تعليقات ، استنادًا إلى مدى جودة الشبكة في مطابقة المدخلات مع المخرجات الصحيحة. يستغرق هذا "التعلم" التدريجي للقواعد إعدادًا كبيرًا ووقتًا وقوة حوسبية ، ولكنه ينتج نتائج دقيقة بشكل هائل.

الشبكات العصبية داخل هاتفك الذكي

يمكن أن تعمل الشبكات العصبية على مجموعة متنوعة من مكونات الأجهزة ، بما في ذلك أجزاء وحدة المعالجة المركزية ووحدة معالجة الرسومات (GPU) المشتركة ضمن مجموعة من أجهزة الحوسبة ، بما في ذلك هاتفك الذكي. ومع ذلك ، قد تتطلب بعض الشبكات العصبية طاقة معالجة أكبر مما يمكن أن توفره مكونات الأجهزة هذه ، ويمكن أن توفر الأجهزة المخصصة المعالجة المثلى اللازمة.

داخل منصة Qualcomm® Snapdragon ™ 855 Mobile ، على سبيل المثال ، ستجد أحدث معالج Qualcomm® Hexagon ™ 690 للإشارات الرقمية (DSP) ، ويضم وحدات معالجة متطورة ومُحسِّن Tensor Accelerator خصيصًا لمهام تعلم الآلة. تتميز منصات Snapdragon Mobile الأخرى أيضًا بمكون Hexagon DSP ، بقدرات مختلفة. مع ذلك ، لا تقتصر الشبكات العصبية فقط على تشغيل DSP على Snapdragon وغيرها من المنصات المحمولة. يعتمد نوع المعالج المستخدم على عبء العمل.

كوالكوم أنف العجل 855 تحسينات التعلم آلة مقارنة بالجيل السابق

تفتح Qualcomm Technologies قدراتها على تعلم DSP والتعلم الآلي على مطوري الطرف الثالث من خلال Qualcomm® Neural Processing SDK. يسمح هذا للتطبيقات بتشغيل الشبكات العصبية عبر أي من نوى الأجهزة داخل Snapdragon Mobile Platform. على سبيل المثال ، تنقر هواتف Google Pixel الذكية على Hexagon DSP و Visual Basic الخاص بها لتسريع ميزة التصوير HDR + الرائعة. تعمل Qualcomm Technologies مع بائعي البرامج مثل برنامج ArcSoft و Elevoc و Polar و Loom و Mobius و Morpho والمزيد ، مما يدعم ميزات تتراوح من خوخه الفيديو إلى إنشاء الصورة الرمزية باستخدام التعلم الآلي الذي يعمل على DSP.

يمكن لمنظمة العفو الدولية تشكيل مستقبل التصوير

الآن نحن نعرف كيف تعمل الشبكات العصبية ، والسؤال المهم هو ما الذي يمكن أن تفعله لنا ولصورنا؟

تستخدم الشبكات العصبية لتحسين مجموعة من خوارزميات التصوير الشائعة. يمكن تحسين إزالة الضوضاء ، على سبيل المثال ، من خلال التدريب لتقديم صورة فائقة التنظيف مخصصة للكاميرا أو نوع اللقطة المحدد. وبالمثل ، في حالة الإضاءة المنخفضة ، يمكن للشبكة العصبية اكتشاف الأجزاء الساطعة والمظلمة من الصورة ، مما يسمح بتحسينات الضوء والألوان في أجزاء معينة من المشهد.

حالات الاستخدام الأكثر تقدماً شائعة بشكل متزايد في تصوير الهواتف الذكية. تستخدم الأزيز ذات الدقة الفائقة شبكات عصبية لدمج صور متعددة في لقطة واحدة عالية الدقة للحصول على تقريب رقمي فائق المظهر. يمكن تدريب الشبكات العصبية أيضًا على دمج التعرضات المتعددة للصور بدقة من أجل تحسين HDR واللقطات الليلية.

يمكن أن يشمل التصوير AI تكبير فائق الدقة ، وخوخه في الوقت الفعلي ، وتحسين جودة الصورة.

يمكن أن يستفيد الفيديو أيضًا من اعتماد هذه التكنولوجيا. تم تصميم اكتشاف الكائنات في الوقت الفعلي للسماح للتطبيقات بتقديم تأثيرات خوخه البرامج مباشرةً في الفيديو أثناء التسجيل. تقنيات مماثلة تدعم أيضا تبادل الكائنات في الوقت الحقيقي وإزالتها. يتضمن ذلك تبديل الخلفية في مقطع فيديو وتغيير الألوان أو إزالتها ، وحتى استبدال عناصر الملابس أو تركيب الصور الرمزية الرقمية مباشرةً في الفيديو الخاص بك.

تتراوح قوة الشبكات العصبية وتصوير الذكاء الاصطناعي من تحسينات الجودة للمساعدة في سد الفجوة في DSLR إلى أدوات الإبداع القوية التي تساعد على جعل إنتاج محتوى فريد نسيمًا. في كلتا الحالتين ، إنها تقنية قوية تعتبر ضرورية للتحسينات المستقبلية التي تتجه إلى التصوير الفوتوغرافي المحمول.

التالى: جوجل بكسل 3 XL الهبة الدولية!

المحتوى برعاية شركة كوالكوم للتكنولوجيا

منتجات كوالكوم أنف دراغون ، كوالكوم مسدس ، كوالكوم أدرينو ، كوالكوم سبكترا ، كوالكوم AI Engine و Qualcomm Kryo هي من منتجات Qualcomm Technologies، Inc. و / أو الشركات التابعة لها.