اولین برنامه نویس رایانه

داستان آدا لاولیس

پرتره ای از آدا لاولیس توسط آلفرد ادوارد چالون ، ج. 1840 (Wikimedia Commons - تغییر اندازه تصویر توسط نویسنده)

وقتی به توسعه فناوری فکر می کنیم ، نام هایی مانند توماس ادیسون ، آلن تورینگ و استیو جابز به ذهن می آید. اما احتمالاً شما کمتر با آدا لاولیس آشنا هستید.

در قرن نوزدهم ، او سهم مهمی در تاریخ فناوری رایانه داشت. و به این ترتیب ، جهان مدیون این زن جوان درخشان است.

پنج یافته جذاب از بایگانی موزه تاریخ رایانه سیلیکون ولی

گشت عکاسی در روزهای اولیه صنعت فناوری

نوشته آنا ون راافورست جانسون و دیک جانسون < /p> مهندسین مشتری که روی یک پردازنده اصلی جنرال الکتریک کار می کنند. (تصویر از بایگانی موزه تاریخ رایانه)

برای همه رونق های اخیر و تبلیغات گسترده سیلیکون ولی امروزی ، باید توجه داشت که روابط منطقه با فناوری و نوآوری رایانه به قدمت بسیار زیادی برمی گردد 60 سال.

عمیق در بایگانی انبار CHM's Fremont. (عکس با احترام آنا ون راافورست جانسون)

موزه تاریخ رایانه (CHM) در مانتین ویو به عنوان مهمانداران این تاریخ کار شگفت انگیزی را انجام می دهد و نمایشگاه های درجه یک و رویدادهای برجسته ای را که برای بسیاری صحبت می کند قرار می دهد. جنبه های صنعت در زمینه ای بیشتر از پشت صحنه ، CHM آرشیو عظیمی از مطالب و مصنوعات را جمع آوری کرده و مدیریت می کند که با پیشرفت فناوری رایانه و فرهنگ ایجاد کننده آن ارتباط نزدیکی دارد. و در حالی که ممکن است همه اینها هنوز به تاریخ اخیر مرتبط باشند ، ما گمان می کنیم که نسل های آینده که در حال پرش از کهکشان هستند ، در تماشای رایانه های خانگی قدیمی بسیار شگفت زده شده و از تامل در فرهنگ فناوری قدیمی که اجدادشان در گذشته محدود بوده اند ، شگفت زده شده اند.

با در نظر گرفتن همه این موارد ، ما از CHM پرسیدیم آیا می توانند ما را در مورد برخی از یافته های شگفت انگیز از بایگانی اخیر خود راهنمایی کنند.

(از سمت چپ): اولین سایت IBM در سان خوزه ، 1943 ؛ ساختمان 025 جاده کاتل در تبلیغات 1985 نشان داده شد. (تصاویر: IBM Corporate Archives ، IBM Corporation)

صنعت اولیه

نقش رهبری دره سیلیکون در تاریخ های صنعت با تکنولوژی بالا تا زمان جنگ جهانی دوم.

چندی نگذشت که هیولت پاکارد از گاراژ پالو آلتو خارج شد و به یک ساختمان مناسب رفت ، IBM اولین سایت خود را در سن خوزه در سال 1943 با یک کارخانه تولید کارت پانچ تأسیس کرد. در گوشه شانزدهم و سنت جان در مرکز شهر.

ساختمان IBM Cottle Road با نمای بیرونی «کارت پانچ» که توسط نقاش دیواری لوسیان بلوخ طراحی شده است. (تصویر: دانیل کوآن)

در سال 1957 ، IBM ساختمان تحقیقات پیشرفته خود را که در یک قطعه 200 هکتاری در نزدیکی جاده کاتل در سان سن خوزه جنوبی افتتاح شد ، باز کرد. این سایت ، که توسط معمار برکلی جان ساویج بولز طراحی شده است ، برای روز خود بسیار نوآورانه بود.

هر ساختمان در سایت IBM Cottle Road دارای الگوی کاشی منحصر به فردی بود که توسط نقاش دیواری لوسیان بلوخ طراحی شده بود. یکی از کارت های پانچ IBM که IBM را در سال 1943 به منطقه خلیج آورده بود. -پنجره های سقفی که نور خورشید را به داخل می آورد و ارتباط بین داخل و خارج را تار می کند. محوطه اطراف ساختمانها دارای امکانات رفاهی مانند میزهای ناهار خوری و گودال نعل اسب برای استراحت بعد از ظهر است. طراحی گاه به گاه در محوطه های پیشرفته و پیشرفته سیلیکون ولی با حیاط و اتاق بازی در فضای باز تکرار شد.

ساختمان 025 در سایت IBM Cottle Road در دهه 1950. (تصویر: IBM Corporate بایگانی ها ، شرکت IBM)

سایت IBM Cottle Road بیشتر به دلیل فناوری درایو دیسک "head-fly" معروف بود که اجازه می داد در زمان واقعیپردازش معاملات آنلاین برای برنامه هایی مانند سیستم های رزرو هواپیمایی.

ساختمان 025 جواهر تاج طراحی پردیس Cottle Road برنده جایزه بولز بود که دارای یک استخر بازتابنده و هنرمند برجسته "Hydro-Gyro" هنرمند Robert B. Howard بود. مجسمه.

مجموعه ساختمان 025 در سال 1995 بسته شد و کمی بعد IBM شروع به فروش بخش هایی از فعالیت خود کرد. تجارت هارد دیسک ، که از نسل IBM RAMAC بود ، توسط Hitachi اداره شد. به عنوان نشانه ای از اهمیت تاریخی سایت ، ساختمان لوو با نقاشی دیواری با کارت پانچ تزئین شده است.

" imgr " https://cdn-images-1.medium.com/max/426/1*KKaBq6W5M7ba5ycLUNh-nQ.jpeg"> (در جهت عقربه های ساعت از بالا): بخشی از لوو در حال حاضر سایت سابق IBM Cottle Road را اشغال کرده است ؛ استخر بازتاب ساختمان سابق 025 ؛ بخشهایی از مجسمه هیدرو ژیرو سابق توسط رابرت بی هوارد. (عکسها از آنا ون راافورست جانسون تهیه شده است)

آتش سوزی مجموعه IBM ساختمان 025 را نابود کرد. امروزه مجسمه هیدرو ژیرو ، استخر بازتابی و پل در کنار پارک RAMAC ویرانه است.

(از سمت چپ :) این فارغ التحصیلان (DEC) کلاس آموزش فروش (حدود 1984 ، در منطقه بوستون) برگزار شد کت و شلوار در کلاس و برای پرتره رسمی آنها (با ترکیب چند ژاکت در ترکیب) ؛ این عکس تبلیغاتی محصول DEC در دوران کوتاه دامن (1971) گرفته شده است. (تصویر: بایگانی موزه تاریخ رایانه)

لباس برای جلب توجه

لباس تجاری برای کارگران با تکنولوژی بالا طی سالها روندها را دنبال کرد ، اما معمولاً ظاهراً بسیار رسمی تر از آن بود امروز است.

ته زنگ نیز در سال 1971 محبوب بود. این مهندسان در یک سایت مشتری DEC روی رایانه PDP کار می کردند. (تصویر از بایگانی موزه تاریخ رایانه)

تا دهه 1980 ، "کت و شلوار" نه تنها برای افراد در زمینه فروش و بازاریابی ، بلکه در مشاغلی مانند نصب و نگهداری سخت افزار نیز معمول بود. آرشیو موزه تاریخ رایانه حاوی صدها نسخه چاپی و نگاتیو است که شامل کارکنان رسمی لباس می باشد. شاید حتی کمی تحریک آمیز در این راستا ، مد روز آن دوره-از دامن های کوچک تا شکم-را می توان در برخی از تصاویر آرشیو شده یکسان مشاهده کرد.

فناوری بزرگ

همانطور که هر بایگانی کامپیوتر می داند-یک ساعت فهرست نویسی و ذخیره سخت افزارهای قدیمی به مدت سه ساعت در ورزش کردن ارزش دارد.

< همه ما می دانیم که با گذشت زمان سخت افزار کامپیوتر به تدریج کوچکتر و جمع و جورتر می شود. با این حال ، بازگشت ناگهانی 50 سال به عقب می تواند کمی شوکه کننده باشد: کشتی گرفتن از رایانه عصر اصلی در محل استراحت آن در انبار موزه برای افراد ضعیف نیست. به عنوان مثال ، یک CPU از خانواده IBM System/360 (در بالا سمت چپ نشان داده شده است) حدود 600 پوند وزن دارد. (از سمت چپ): سیم کشی داخلی کامپیوتر IBM Stretch ؛ پلاگین برقی با سیم برای یک کامپیوتر آنالوگ ؛سیم های محدود به بایگانی در تلاش برای مهار آشفتگی. (تصاویر با احترام آنا ون راافورست جانسون و دیک جانسون)

رایانه های قدیمی تر توسط مهندسان مشتری نگهداری و تعمیر می شدند که برای انجام کارهای خود به دسترسی داخلی نیاز داشتند. سخت افزار اغلب با دست سیم کشی می شد. این یک تجارت پیچیده و آشفته بود.

یکی از قطعات قابل توجه اولیه در مجموعه CHM - رایانه IBM Stretch ، یک ابر رایانه ترانزیستوری اولیه که پیشگام معماری خانواده IBM System/360 بود - سرگیجه آور است. هزارتوی سیمهای داخلی کوچک به هم پیوسته.

(از سمت چپ): یک کامپیوتر خانگی Apple II از 1980 ؛ یک ترمینال ADM3 بسیار زیبا از 1976. (تصاویر از آنا ون Raaphorst-Johnson تهیه شده است) فکر کنید. جیم ساترلند در داخل یک سیستم کامپیوتری کنترل فرآیند صنعتی وستینگهاوس Prodac-IV. (با احترام از CHM)

در سال 2016 موزه تاریخ رایانه پنجاهمین سالگرد اولین رایانه خانگی را جشن گرفت. ECHO (اپراتور خانگی محاسبات الکترونیکی) IV در پیتسبورگ از اجزای الکترونیکی وستینگهاوس توسط جیم ساترلند در سال 1966 ، بیش از یک دهه قبل از اولین رایانه های خانگی تجاری موجود (Apple II ، Commodore PET و Radio Shack TRS-80) ساخته شد. < /p>

ساترلند رایانه خود را طوری پیکربندی کرد که با جنبه های متعدد خانه خود ارتباط برقرار کند و خانواده خود را قادر سازد تا کنترل بی نظیری از بسیاری از ویژگی های خانه از جمله تلویزیون ، استریو و ترموستات را داشته باشد.

داگ اسپایسر ، سرپرست ارشد CHM ، به عنوان بخشی از جشن سالگرد ، مقاله ای جذاب در مورد ECHO IV نوشت. (رایانه ECHO IV اکنون بخشی از مجموعه CHM است.)

قفسه های کتاب و کابینت های بایگانی در دهه 1990 مورد استانداردی برای متخصصان فناوری پیشرفته بود. این یک a نیست دفتر بدون کاغذ! (تصویر از بایگانی موزه تاریخ کامپیوتر)

ظرفیت ذخیره

اسناد محصول مورد نیاز برای فضای ذخیره سازی زیاد ، مانند قفسه های کتاب ، فایل های الکترونیکی روی هارد لپ تاپ شما نیست.

راهنمای IBM آماده است فهرست بندی و بسته بندی شود تا در بایگانی موزه تاریخ کامپیوتر ذخیره شود. (تصویر از آنا ون Raaphorst-Johnson)

موزه تاریخ رایانه سالهاست اسناد کامپیوتری تاریخی را بایگانی می کند.

بیشتر اسناد محصول IBM در Mechanicsburg ، پنسیلوانیا منتشر شده است. اسناد کوچک شده و به مشتریان تحویل داده شد و آماده بودند تا در صحافی IBM-blue وارد شوند. با هر بار انتشار محصول بعدی ، صفحات اضافی یا جایگزین در بسته انتشار قرار می گرفت ، که باید با دست به داخل چسبانده شوند. متخصصان فناوری پیشرفته در طول زندگی حرفه ای خود ده ها جلد پر از هزاران صفحه جمع آوری کردند.

داوطلبان آنا ون راافورست و دیک جانسون اسلاید های DEC را با استفاده از کاتالوگ کارت کتابخانه عکس DEC ، که در کمک مالی گنجانده شده بود ، فهرست بندی کردند. (با احترام از موزه تاریخ رایانه)

نویسندگان این مقاله ، آنا ون راافورست جانسون و دیک جانسون ، در دو پروژه اخیر موزه تاریخ رایانه (CHM) به عنوان داوطلبان حرفه ای مشارکت کردند: CCARP ، که متمرکز بود در سخت افزار "vintage" و CLIR ، که بر آرشیو تمرکز دارد مطالبی مانند عکس و مستندات محصول.

آنا نویسنده و ویرایشگر فنی است. دیک یک مهندس نرم افزار است.

اعلام چالش بینایی رایانه ای کم توان CVPR 2020-مسیر آنلاین

از محققان و توسعه دهندگان PyTorch دعوت می شود تا به 2020 CVPR Lower-Power Vision Challenge (LPVC)-پیگیری آنلاین برای فیلم UAV بپیوندند. هدف از این چالش ایجاد سیستمی است که بتواند با استفاده از PyTorch Mobile و Raspberry Pi 3B+با استفاده از PyTorch Mobile و Raspberry Pi 3B کاراکترهای ویدئویی را که در فیلم ضبط شده توسط هواپیمای بدون سرنشین (UAV) ضبط و تشخیص داده و تشخیص دهد.

فناوری های بینایی رایانه ای به طور پیوسته در حال پیشرفت بوده و در ماشین هایی برای استفاده مانند تشخیص برجستگی نفت در اقیانوس ها توضیح داده شده است. محیط واقعی برای افراد کم بینا چالش این است که با پیشرفت این فناوری های بینایی رایانه ای ، به دلیل افزایش منابع محاسباتی و ذخیره سازی ، به انرژی بیشتری برای عملکرد نیاز دارند. این چالش فرصتی عالی برای جامعه PyTorch است تا به پیشرفت فناوری بینایی رایانه ای روی دستگاه برای فعال کردن بسیاری از برنامه های جدید کمک کند.

ارسال آنلاین از 16 مه 2020 تا 5 ژوئن 2020 در https باز خواهد بود: //lpcv.ai/. برای اطلاع از جزئیات بیشتر به https://lpcv.ai/20lpcvc-video-track مراجعه کنید.

با کلیک روی دکمه "LOGIN" در گوشه سمت راست بالای صفحه می توانید برای وب سایت ثبت نام کنید تا دریافت کنید آخرین اخبار.

با تشکر ،

تیم PyTorch

ایالت ها علوم کامپیوتر می خواهند ، بنابراین برنامه چیست؟

جنبش مردمی و سراسری ایالتی برای آموزش علوم کامپیوتر به همه دانش آموزان در چند سال گذشته بسیار دیوانه وار رشد کرده است. از توسعه چارچوب علوم رایانه K-12 در سال 2015 تا گزارش چشم انداز سیاست های علوم رایانه در سطح دولتی که در ماه مارس منتشر شد ، واضح است که دولتها متعهد به اجرای علوم رایانه K-12 هستند. اما یک برنامه منسجم در سراسر ایالت چگونه است و چگونه یک ایالت شروع به کار می کند؟ چند ایالت در واقع برنامه هایی را برای پیاده سازی علوم رایانه K-12 منتشر کرده اند.

در حال حاضر برای اولین بار ایالات ایالات متحده دارای منابع جامعی هستند. با انتشار مجموعه ابزار برنامه ریزی علوم رایانه ای دولتی ، Code.org راهنمایی ایجاد کرده است تا به تصمیم گیرندگان آموزش و پرورش در پاسخگویی به همه چیز از کجا شروع کند ، چه منابعی در دسترس است یا بهترین شیوه ها را می توان از پیاده سازی موفق آموخت.

مجموعه ابزار شامل شش بخش است که مطابق با توصیه های سیاست ارائه شده توسط اتحادیه حمایت از Code.org آمده است:

چشم انداز و اهداف کنونی: جمع آوری داده ها و بررسی چشم انداز کنونی آموزش علوم رایانه و تعیین اهداف استراتژیک . تنوع: حفظ عدالت و تنوع در خط مقدم ابتکار. خط لوله معلم: افزایش ظرفیت معلمان برای ارائه دوره های علوم کامپیوتر از طریق توسعه حرفه ای ، صدور گواهینامه و برنامه های خدماتی. برنامه درسی و دوره ها: تعریف استانداردها ، هدایت برنامه درسی و اجازه دادن به علوم رایانه برای برآوردن شرایط مورد نیاز برای فارغ التحصیلی. ارتباط: ارتباط و مشارکت درگیر قدیمی ها. بودجه: تخصیص و دسترسی به بودجه برای پیش بردن ابتکار.

برای اطلاع از منابع ، ملاحظات و توصیه ها و ابزارهای ردیابی اهداف و استراتژی ها ، امروز مجموعه ابزار برنامه ریزی علوم کامپیوتر دولتی را مشاهده کنید. کمک کنید شروع کنید ایالت خود را برای گسترش دسترسی به آموزش علوم رایانه و اطمینان از آمادگی همه دانش آموزان برای قرن 21 و پس از آن مجهز کنید.

پت یونگ پرادیت ، مدیر ارشد علمی ، Code.org

با تشکر از شما اتحاد گسترش آموزش و پرورش رایانش (ECEP) برای بررسی و ارائه بازخورد در مورد ابزار.

قبل از پایان سال 2019 چشم انداز رایانه را بشناسید

مروری کوتاه بر نحوه توسعه رایانه چشم انداز در 50 سال گذشته داشته باشید و درباره کلمات کلیدی مانند "AI Winter" و معنی آنها اطلاعات کسب کنید.

سال 2019 رو به اتمام است ، اما قبل از اتمام آن ، آیا خوب نخواهد بود که یکی از کلمات کلیدی دهه ما در یادگیری ماشین را درک کنیم؟ این مقاله به شما کمک می کند تا درک مختصری از کامپیوتر چشم انداز داشته باشید ، دانش کافی برای اینکه در شام کریسمس باهوش به نظر برسید.

پس از خواندن این مقاله ، با اصطلاحاتی مانند Computer Vision ، Deep learning ، آشنا خواهید شد. یادگیری ماشین ، هوش مصنوعی ، زمستان ، Skynet ... چیزهای خوب را می دانید.

بنابراین این چیزی است که من مدام در مورد آن می بینم؟

وقتی کسی این سوال را از شما می پرسد ، شما پاسخ می دهید آنها در خطوط "دید کامپیوتر همانطور است که کامپیوتر می بیند." خوب ، نه دقیقاً ، توضیحات زیر را امتحان کنید تا به طور حتم برخی از سرها را بچرخانید.

بینایی رایانه ای فرایندی است که طی آن یک ماشین یا یک سیستم با استناد به یک یا چند الگوریتم که بر روی اطلاعات عمل می کنند ، درک اطلاعات بصری را ایجاد می کند. ارائه شده است. تفاهم به تصمیمات ، طبقه بندی ها ، مشاهده الگوها و موارد دیگر ترجمه می شود. و اکنون شما سرتان را برمی گردانید.

بیایید یک درس تاریخچه سریع داشته باشیم و ببینیم که زمینه بینایی کامپیوتر چگونه توسعه یافته است.

هنگامی که ما برای تقلید تلاش کردیم ، نیاز به چشم انداز رایانه ای بوجود آمد. سیستم ادراک و بینایی در بدن انسان بنابراین سفر در دهه 1960 آغاز شد ، جایی که دانشگاهیان درک انسان را در نظر گرفتند و سعی کردند عملکرد اصلی آن را بر روی یک سیستم رایانه ای تکرار کنند. هدف دانشگاهیان پیشگام ما این بود که به ربات ها این امکان را بدهند که آنچه را که ربات مشاهده کرده است مشاهده کرده و توضیحاتی را ارائه دهند. این اولین قدم به Skynet بود (بله مانند فیلم ، اما این قبل از آن بود).

تشخیص لبه. (2019). [image] موجود در mathwork.com

به نظر نمی رسید که Skynet شبیه به انسان باشد ، بنابراین ما به تکنیک های پردازش تصویر دیجیتالی نگاه کردیم تا درک بیشتری از محتوای تصاویری که به کامپیوتر ارائه می شود ، بدست آوریم. سیستم های بینایی منظور من از درک ، استخراج اطلاعات لبه ، خطوط ، خطوط و اشکال از یک تصویر است. دهه 70 همه مربوط به الگوریتم هایی بود که می توانند اطلاعات را از یک تصویر دیجیتالی استخراج کنند.

نکته ای که باید به آن توجه کرد این است که اولین زمستان هوش مصنوعی در دهه 1970 رخ داد. برای کسانی که با اصطلاح "زمستان هوش مصنوعی" آشنا نیستند ، می توان آن را دوره ای توصیف کرد که در آن کمبود علاقه ، بودجه ، روحیه (هیاهو) و تحقیقات در حوزه های مرتبط با هوش مصنوعی مانند Computer Vision ، Machine وجود دارد. یادگیری و غیره.

دهه های 80 و 90 در بینایی رایانه ای بر ریاضیات و آمار تمرکز داشت. محققان و دانشگاهیان با روش های بینایی رایانه ای با الگوریتم های ریاضی ازدواج کردند. یک مثال خوب برای به تصویر کشیدن استفاده از ریاضیات در بینایی رایانه و تکنیک های پردازش تصویر ، یک الگوریتم تشخیص لبه خواهد بود.

تشخیص لبه یکی از تکنیک های اصلی پردازش تصویر است که در اکثر دوره های بینایی رایانه آموزش داده می شود. در سال 1986 یک آشکارساز لبه عجیب و مفید توسط John F. Canny ساخته شد. به آن می گفتندآشکارساز Canny Edge. جان اف کانی با استفاده از مفاهیم ریاضی مانند محاسبه ، تمایز و بهینه سازی عملکرد ، یک آشکارساز لبه بسیار محبوب ایجاد کرد ، و هنوز در دوره های کارشناسی ارشد تدریس می شود.

به سرعت به دهه قبل بروید دهه 2000 زمان کاملاً انقلابی برای Computer Vision بود. یادگیری عمیق پدیدار شد ، و دید رایانه دوباره موضوعات داغ رسانه ها ، محققان و دانشگاهیان شد.

تعریف کلیدی دیگری در راه است.

یادگیری عمیق زیر شاخه ای از ماشین است یادگیری ، جایی که الگوریتم ها از چندین لایه شبکه عصبی برای استخراج ویژگی های غنی تر از داده های ورودی استفاده می کنند. نمونه هایی از تکنیک های یادگیری عمیق عبارتند از: شبکه های عصبی متحرک عمیق (CNN) و شبکه های عصبی مکرر (RNN). /p> 30 اصطلاح جیبی برای مبتدیان یادگیری ماشین لیستی از اصطلاحات مفید یادگیری ماشین که در علم داده یا حرفه یادگیری ماشین با آن روبرو می شوید. towardsdatascience.com

2012 یک سال محوری در چشم انداز رایانه بود. ممکن است شما از قبل بدانید که من در اینجا قصد ذکر چه چیزی را دارم (خب خسته نباشید و آن را برای دیگران خراب نکنید). مسابقه ای به نام "ImageNet Large Scale Visual Recognition Challenge" وجود دارد ، این مسابقه سالانه برگزار می شود و بیشتر گردهمایی دانشگاهیان ، محققان و علاقه مندان با مقایسه الگوریتم های نرم افزاری است که اشیاء را در تصاویر طبقه بندی و شناسایی می کند. در سال 2012 این مسابقه با معرفی یک شبکه عصبی عمیق متحول (AlexNet) روبرو شد که میزان خطای آن در سال جاری و سالهای قبل از آن از رقبای دیگر پیشی گرفت.

من تحقیق نمی کنم جزئیات زیادی در مورد نحوه طراحی AlexNet وجود دارد ، و منابع آنلاین زیادی برای این کار وجود دارد. اما من به دو مزیت مهم AlexNet برای چشم انداز اشاره می کنم.

ابتدا GPU ها. عملکرد خیره کننده AlexNet با استفاده از واحد پردازش گرافیکی (GPU) امکان پذیر شد. اگرچه قبلا از GPU در رقابت استفاده می شد ، اما استفاده AlexNet از GPU بود که توجه و توجه جامعه بینایی رایانه را جلب کرد.

ثانیاً ، CNN ها استاندارد شدند. توانایی AlexNet برای نشان دادن اثربخشی CNN ها به این معنا بود که CNN ها رواج یافت. از آن سال به بعد ، اجرای CNN ها در اکثر برنامه های کاربردی و تحقیقات بینایی رایانه ای یافت می شود.

باید در اینجا مکث کنم ، و شاید در آینده این مقاله را در مقاله دیگری ادامه دهم. موضوعات و حوزه های زیادی وجود دارد که من به آنها اشاره نکرده ام ، اما در زیر مقالات متوسطی وجود دارد که اصطلاحات کلیدی ذکر شده در این مقاله و موارد دیگر را به تفصیل توضیح می دهد.

اکنون می توانید با داشتن تفاهم به سال 2020 بروید. بینایی کامپیوتر و توسعه آن از دهه 1960. /bq>

مقالات مربوط به Computer Vision و برخی از تکنیک های Dhruv Parthasarathy ، Siddharth Das و James Le را بررسی کنید.

تاریخچه مختصری از CNN ها در تقسیم بندی تصویر: از R-CNN تا Mask R -CNN در Athelas ، ما از شبکه های عصبی کانولوشن (CNN) برای مواردی فراتر از طبقه بندی استفاده می کنیم! در این پست ،… blog.athelas.com معماری CNN: LeNet ، AlexNet ،VGG ، GoogLeNet ، ResNet و موارد دیگر مدلهای پیشگام CNN در ILSVRC در طول سالها و سابقه شبکه های عصبی کانوولوشن 5 تکنیک بینایی رایانه ای که دید شما نسبت به جهان را تغییر خواهد داد heartbeat.fritz.ai