मशीन लर्निंग है एक और प्रवृत्ति जिसमें हम इस समय हैं और यह मानकर चलते हैं कि हम इसका लाभ उठा सकते हैं जब वे बेहतर संगीत पर उन संगीत प्लेलिस्ट को सुनते हैं तो बेहतर सिफारिशें प्राप्त कर सकते हैं। कल हम बड़े जी के नाटक पर टिप्पणी कर रहे थे नए अपडेट के साथ और उस मशीन लर्निंग से आपको एप्लिकेशन के उपयोग के बारे में अधिक जानकारी प्राप्त होगी।
अब आप उस इंजन का उपयोग उन सभी तस्वीरों के लिए करना चाहते हैं जो डिवाइस के रिज़ॉल्यूशन या डिवाइस की कम आंतरिक मेमोरी द्वारा सीमित हैं। Google उस अवसर को याद नहीं करना चाहता है कि उच्च रिज़ॉल्यूशन की तस्वीरों की आवश्यकता बढ़ती जा रही है, क्योंकि स्क्रीन, जैसे स्मार्ट टीवी या फ़ेबल्स, उनकी मांग करते हैं। इसलिए यह है आरएआईएसआर नामक तकनीक शुरू की.
"RAISR: रैपिड एंड एक्यूरेट सुपर-रिज़ॉल्यूशन इमेज"
यह एक ऐसी तकनीक है जो मशीन लर्निंग को शामिल करती है कम-रिज़ॉल्यूशन छवियों के उच्च-गुणवत्ता वाले संस्करण का उत्पादन करें। RAISR उन परिणामों का उत्पादन करता है जो उपलब्ध सुपर रिज़ॉल्यूशन विधियों की तुलना में या उससे बेहतर हैं, और यहां तक कि प्रदर्शन समय में 10 से 100 गुना तक सुधार करता है। इस प्रक्रिया में यह गति उन्हें वास्तविक समय में डिवाइस पर उपलब्ध होने की अनुमति देती है। बाद में भी, यह तकनीक कम रिज़ॉल्यूशन वाली छवियों में मौजूद दांतेदार या अलियासिंग कलाकृतियों के मनोरंजन को रोक देगी।
कुछ वर्षों के लिए वहाँ एक हो गया है अपसम्पलिंग नामक तकनीक, जो कम रिज़ॉल्यूशन वाले से अधिक पिक्सेल और उच्च छवि गुणवत्ता के साथ एक बड़ी छवि तैयार करता है। एक तकनीक जो रैखिक तरीकों का उपयोग करती है जो एक नए पिक्सेल के मूल्यों को भरने वाले मूल्यों के संयोजन का उपयोग करके भरती है। यह विधि तेज है क्योंकि वे रैखिक फिल्टर हैं। जबकि जो उन्हें तेज बनाता है, वह उच्च रिज़ॉल्यूशन परिणामों में विशद विवरण प्रस्तुत करने में उन्हें कम प्रभावी बनाता है। नीचे दी गई छवि इसे पूरी तरह से दिखाती है।
RAISR कैसे काम करता है
RAISR का उपयोग करता है छवियों के एक जोड़े के साथ मशीन सीखने, निम्न गुणवत्ता और उच्च गुणवत्ता में से एक, फ़िल्टर को खोजने के लिए, जो कि चुनिंदा रूप से निम्न रिज़ॉल्यूशन छवि के प्रत्येक पिक्सेल पर लागू होता है, यह उन विवरणों को फिर से बनाएगा जो मूल की गुणवत्ता के साथ तुलनात्मक हैं। RAISR को "दो तरह से प्रशिक्षित किया जा सकता है।" पहला एक प्रत्यक्ष तरीका है, जिसमें फ़िल्टर को निम्न और उच्च रिज़ॉल्यूशन के चित्रों की जोड़ी से सीधे सीखा जाता है। दूसरी विधि निम्न रिज़ॉल्यूशन छवि के लिए "अपसम्प्लर" विधि के समान एक फ़िल्टर पास करती है और फिर दिए गए पास के फिल्टर और उच्च रिज़ॉल्यूशन छवि को "सीखती है"।
जो भी तरीका है, RAISR फ़िल्टर करता है वे "प्रशिक्षित" हैं छवियों के छोटे पैच में पाए जाने वाले "चोटियों" की विशेषताओं के अनुसार, जैसे कि रंग / चमक ढाल, बनावट या सपाट क्षेत्र और अधिक, जो दिशा, शक्ति और सुसंगतता की विशेषता है।
संक्षेप में, वास्तविक समय में RAISR कम रिज़ॉल्यूशन की छवि में प्रत्येक पड़ोसी पिक्सेल से सीखे गए लोगों की सूची से सबसे अधिक प्रासंगिक फ़िल्टर का चयन और लागू करता है। जब उन फ़िल्टर को सबसे खराब गुणवत्ता वाली छवि पर लागू किया जाता है, उन विवरणों को फिर से बनाता है जो मूल की गुणवत्ता में तुलनीय हैं उच्च संकल्प। यह वही है जो मोएर पैटर्न और अधिक जैसे दांतेदार कलाकृतियों को खत्म करता है।
आज, इमेजिंग तकनीक के क्षेत्र में दशकों से मशीन लर्निंग के उपयोग ने छवि प्रसंस्करण में प्रगति को सक्षम किया है जो कई प्रकार के संभावित लाभों में निहित है। Google द्वारा दिए गए उदाहरणों में से एक फोन पर «pinch to zoom» या «pinch» के इशारे को बेहतर बनाना होगा, जिससे यह प्राप्त होगा कि इसे कैप्चर किया जा सकता है, सहेजा जा सकता है या एक कम रिज़ॉल्यूशन में छवियां संचारित करें ताकि यह अंत में अपने उचित, उच्च-गुणवत्ता वाले संकल्प में अपने गंतव्य तक पहुंचे। इसका मतलब ट्रांसफर और स्टोरेज प्लान में इस्तेमाल होने वाले डेटा में शानदार बचत होगी।