北京, 2023年11月8日 — WiMi Hologram Cloud Inc.(纳斯达克股票交易所代码:WIMI)(“WiMi”或“公司”)是一家领先的全球虚拟增强现实(AR)技术提供商,今天宣布将深度迁移学习应用于图像分类,构建了一种图像分类融合模型,利用在大规模数据集上训练的模型的特征表示,提高小样本数据集上的分类性能。
深度迁移学习可以将在大规模数据集上训练好的深度学习模型应用于新任务。在图像分类中,深度迁移学习可以通过将已经训练好的模型的一些或所有网络参数转移到新模型上,来加速模型训练过程并提高分类性能。预训练深度神经网络模型提取图像特征,使用分类器模型进行分类,预训练深度神经网络模型和分类器模型连接在一起,最后通过端到端训练方法和反向传播算法优化整个模型。这种方法可以有效利用现有特征来提高图像分类的准确性和效率。
WiMi在深度迁移学习基于图像分类融合模型中采用了融合模型设计,它通过迁移学习将几个预训练深度学习模型结合起来,整合在一起,以提高图像分类的准确性。该模型架构主要包括以下关键组成部分:
基本模型选择:在融合模型设计中,首先需要选择一些作为候选模型的基本深度学习模型。这些模型是在大规模图像数据集上预训练的,在图像分类任务中具有良好性能和广泛应用。
特征提取:为了能够融合不同基本模型,我们需要为每个模型添加特征提取。特征提取的作用是将输入图像转换为高维特征向量,这样后续分类器才能对其进行分类。在此特征提取中,我们使用卷积神经网络(CNN)进行特征提取。
融合:特征提取后,将从基本模型中获得多个提取特征向量。为了进行融合,又设计了另一个融合,融合的目的是将多个特征向量融合成一个更具表征力的特征向量,以提高分类性能。
分类器:接下来将获得一个融合特征向量。为了最终分类,还需要添加分类器,通过它将融合特征向量映射到不同类别,实现图像的分类。
融合多个基本模型的优势可以提高图像分类的准确性。同时,基于深度迁移学习的图像分类融合模型也具有一定的灵活性,可以根据实际情况选择不同的基本模型和融合方法,适应不同的图像分类任务。
图像识别是深度学习在计算机视觉领域的重要应用,WiMi研究的基于深度迁移学习的图像分类和融合模型也将广泛应用于更多行业领域。例如,在智能安防领域,该模型可以用于监控摄像头拍摄的图像进行实时人脸识别,实现对陌生人的自动报警。自动驾驶也是另一个重要应用场景,深度迁移学习基于图像分类融合模型可以用于识别和分类道路上的交通标志、车辆和行人等对象。这对自动驾驶车辆来说,帮助它判断周围环境和对象的变化,并作出相应决定至关重要。例如,当车辆识别到前方有行人过马路时,可以及时采取刹车措施,以确保行人的安全。此外,该模型也可以用于车辆的自动停车系统,通过识别停车位和障碍物实现车辆的自动停车。此外,社交媒体分析也是应用该深度迁移学习基于图像分类融合模型分析和分类社交媒体上的图像。通过分类社交媒体上的图像,实现对用户兴趣和喜好的理解。例如,通过分析用户在社交媒体上发布的照片,可以为用户提供相关产品或活动的个性化推荐服务。此外,社交媒体分析也可以用于情感分析,通过识别图像中的表情和情绪来理解用户的情绪状态,从而为企业提供更好的服务和营销策略。
除上述几个应用场景外,基于深度迁移学习的图像分类融合模型还可以应用于许多其他领域,如智能家居、智能制造、智能助手等。通过识别和分类图像,实现对环境和对象的智能感知和理解,为人们的生活和工作带来更多便利和效率。
在成功应用深度迁移学习到图像分类任务中,未来WiMi将更多地探索和改进基于深度迁移学习的图像分类融合模型在跨域迁移学习、模型可解释性和小样本学习方面的研究,以进一步提高图像分类任务的性能和应用范围。
关于WIMI Hologram Cloud
WIMI Hologram Cloud, Inc.(纳斯达克股票交易所代码:WIMI)是一家专注于专业领域的全息云计算技术全面解决方案提供商,包括汽车头上显示(HUD)全息AR软件、3D全息脉冲LiDAR技术、头戴式光场全息设备、全息半导体、全息云软件、全息汽车导航等。其服务和全息AR技术包括汽车应用全息AR、3D全息脉冲LiDAR技术、全息视觉半导体技术、全息软件开发、全息AR广告技术、全息AR娱乐技术、全息ARSDK支付、互动全息通信等全息AR技术。
安全港声明
本新闻稿包含“前瞻性声明”,这些前瞻性声明受美国1995年《私人证券诉讼改革法》保护。这些前瞻性声明可以通过术语“将”、“预期”、“预计”、“未来”、“打算”、“计划”、“相信”、“估计”等表明。非历史事实的声明,包括公司信念和期望在内的声明,都是前瞻性声明。此外,本新闻稿、管理层评论以及公司战略和运营计划中包含的业务展望和报价,也包含前瞻性声明。公司在定期报告中向美国证券交易委员会(“SEC”)提交的20-F表格和6-K表格,在年度报告中向股东提交的内容,以及管理层向第三方作出的口头或书面声明,也可能包含前瞻性声明。前瞻性声明涉及固有风险和不确定性。几个因素可能导致实际结果与任何前瞻性声明存在重大差异,包括但不限于以下几点:公司的目标和策略;公司未来业务发展、财务状况和经营结果;AR全息行业的预期增长;以及公司对需求和市场对其产品和服务的接受程度的期望等。
更多风险信息请参阅公司年度报告表格20-F和当前报告表格6-K以及其他与SEC提交的文件。本新闻稿中的所有信息均截至本新闻稿日期。除适用法律要求外,公司不承担任何更新任何前瞻性声明的义务。