Demonstrationer - Artificial Intelligence Solutions

Stikprøve konsensus (RANSAC)

Demonstrerer, hvordan du bruger RANSAC til at håndfast passer en lineær regression, at undgå de negative virkninger af outliers i regression data.

Skjulte markovkæder

Demonstrerer, hvordan du bruger skjulte markovkæder (HMMs) og Markov sekvens klassificeringer til at genkende sekvenser af diskrete observationer.

Store mønster anerkendelsessystem ved hjælp af multi neurale netværk

Nu en dag, kunstige neurale netværk er blevet anvendt populært i mange områder af menneskers liv. Men at skabe et effektivt netværk for en stor klassificeringen som håndskrift anerkendelse systemer er stadig en stor udfordring for forskerne.

Adfærd træet Editor

Hjernen Designer er en visuel adfærd træet editor. Det giver dig mulighed at opbygge adfærd træer ved hjælp af blot drag & drop. Editor understøtter plugins, eksportører og gemmer adfærd som XML-filer.

Bemærk venligst at hjernen Designer er en editor. Du skal skrive din egen eksportør, der genererer filer for dine AI. Redigeringsvinduet indeholder ingen node logik, så det indeholder ingen AI. Du skal gennemføre noderne af dig selv. Noder kan tilføjes, fjernes eller ændres ved at ændre kildekoden til eksempel plugin inkluderet.

Støtte til arbejdsområder og Plugins

Hænder gestus anerkendelse

Denne prøve demonstration bruger bevægelsesdetektering som sin første trin og derefter gør nogle interessante rutiner med det fundne objekt - hænder gestus anerkendelse. Lad os antage vi har et kamera, som overvåger nogle område. Når nogen kommer ind i området og gør nogle hænder fagter foran kameraet, bør programmet registrerer typen af gestus og hæve en begivenhed, for eksempel. Når hænderne gestus er anerkendelse opdaget, programmet kan udføre forskellige handlinger afhængigt af gestus. For eksempel, kan gestus anerkendelse overførelse styre en slags enhed eller et andet program at sende forskellige kommandoer til det afhængigt af den anerkendte gestus. Hvilken type af hænder fagter taler vi om? Dette program genkender op til 15 håndbevægelser, som er kombinationen af 4 forskellige positioner af 2 hænder - hånd er ikke hævet, rejst diagonalt ned, diagonalt op eller rejst lige.

Hands Gestures Recognition

3D udgør skøn

3D Pose Estimation

Dette eksempelprogram viser brugen af positivt og coplanare postulere algoritmer til 3D udgør skøn. Ansøgningen gør nogle kunstige objekt, tillade bruger hen til rotere og flytte den. Derefter bruges forventede point til estimering af objektets positur. Ansøgningen indeholder originale objekter transformation matrix og den anslåede, så brugeren kan sammenligne dem begge. Prøven er for det meste rettet for afprøvning/forståelse af udgør skøn algoritmer.

3D udgør skøn (2)

3D Pose Estimation 2

Dette eksempelprogram viser også brugen af positivt og coplanare postulere algoritmer til 3D udgør skøn, men det skøn udgør en reel objekter vist på nogle billede. Ansøgningen giver mulighed for at åbne en billedfil, skal du vælge billede punkter af objektet for at anslå udgør for, angive model koordinaterne for punkter og derefter vurdere objektets udgør. Når skoen er færdig, vil ansøgningen render X/Y/Z koordinatsystem ved hjælp af anslået rotation og holdning, som ideelt set bør matche objekt Vis på billedet. Programmet indeholder flere indbyggede prøver for at påvise, hvordan det virker.