El programa GSA Image Recognition-AI se desarrolló para el reconocimiento y la clasificación automáticos de objetos en datos de imágenes. El programa utiliza una red neuronal para clasificar los datos de entrada, que puede configurarse y entrenarse para cumplir los requisitos dados.

Características:

Cambio de tamaño de las imágenes de entrada utilizando diferentes métodos de remuestreo-
Función de conversión de formatos de imagen (JPG, PNG, TIF, GIF
)- Filtros de imagen ajustables (filtro gaussiano, selección de bordes, manipulaciones de color, ....)
- Acceso a la función de análisis a través del servidor web incluido (HTML, JSON
)- Función de procesamiento por lotes para probar la configuración óptima de filtros y redes
- Las redes neuronales entrenadas pueden guardarse y abrirse con todos los parámetros (neuronas de entrada, neuronas de salida, pesos, filtros y secuencia de filtros, ...
)- El programa puede configurarse universalmente para todas las aplicaciones diferentes-
Salida de resultados con especificaciones del usuario (delimitadores, campos de salida, ...)

Clasificación de imágenes con IA

La red neuronal intenta asignar las imágenes desconocidas a un grupo de imágenes. Además se muestra el grupo determinado y la similitud asociada en porcentaje.

Ventana de configuración

Opciones de ajuste de la red neuronal, como la resolución de la imagen, los recorridos de aprendizaje y el factor de interferencia. Se puede aplicar un filtro de imagen.

Descargar prueba gratuita

Sala de entrenamiento de redes neuronales

Sala de formación

En esta interfaz se crean los grupos de imágenes, se asignan las imágenes de entrenamiento a sus grupos de imágenes y se inicia el entrenamiento de la red.

Control de la asignación de imágenes

Las imágenes de entrenamiento asignadas a un grupo de salida pueden comprobarse y corregirse en caso necesario.

Diálogo de control del grupo de imágenes

Descargar prueba gratuita

Ventana de corrección

Las imágenes de entrenamiento asignadas a un grupo definido pueden comprobarse y, en caso necesario, corregirse.

Tratamiento por lotes

Los ajustes de red y los filtros de imagen pueden probarse secuencialmente con sus efectos sobre los resultados del análisis en una función por lotes.