Vecid为制作和型号 - 识别比人脑更好的汽车？

人类大脑使视觉识别似乎很容易。人类可以区分熊猫和北极熊而无需努力。但是通过计算机，这些任务非常难以解决。

在过去的几年里，机器或深度学习已经开始解决这些困难。EVT优惠因此，vecid（=车辆识别）工具设置为识别汽车类型和模型，也称为“make＆model”。"Make" means the maker of a vehicle, such as e.g.: Ford, Toyota, Honda, etc. and "Model" is the specific name of the vehicle such as e.g.: Focus, Accord, Pathfinder, etc. For some people this is a very straight forward task, especially for car aficionados. A human brain can recognize cars according to some main characteristics such as logos, hood ornament, labels, etc. But for a computer it has been a difficult task so far, due to the visual complexity of vehicles.

深度学习Vecid工具集可以识别汽车模型，并可以告诉您奥迪和大众之间的区别。它还可以告诉您同一模型的制造年份，这对于人类脑而言非常困难。

当然不仅是同一个制造商的汽车看起来相似，而且是不同制造商的SUV型号或奥迪和宝马的轿车。制作和模型认可不仅可以看到明显的，而且可以区分汽车，即使是人眼睛难以分开。日产和丰田等制造商的掀背车可以看起来相似，当照片乘坐几辆汽车的繁忙的道路上拍摄时。但这对Vecid没问题。你可能会想：“但是车上有一个标志。”这应该让它变得容易，没有？但是，如果你看不到徽标，以及每年的制造年份以及每辆车的模型，呢？亚洲或美国？

主要挑战是达到细粒度的分类。一个人应该记住，在短时间内的条件下，深度学习是不可行的，几乎没有计算能力或少数数据。

神经网络是深度学习的基础，有几个层。最好想象一系列的模型，这些模型是由人类大脑的启发“松散”。对于“制作和型号”来说，重要的是要记住，汽车的分类图像集更大。

我们不是教授计算机的每种可能性模型的可能性，而不是养活深度学习计划吨现有图像。

神经网络由人工神经元构成，其被设置为层。具有两个以上“隐藏层”的神经网络被称为深度神经网络。可以识别模式越复杂的层越复杂。

听起来很容易构建一个大神经网络，称之为AI（人工智能），但不要忘记一些必要点：

• 人造神经元与人脑的工作非常不同
• 人类脑具有1000亿神经元和100万亿突触，并与大约20瓦（足以为弱势灯泡供电）进行操作 - 与此相比：神经网络仅有1000万神经元和16000税收的10亿个联系（约300万瓦）
• 大脑限于5种类型的5种类型的输入数据
• 孩子们不学习汽车是什么通过观看100.000张图片分类为“汽车”和“没有车”，但机器学习也是如此

制造和模型识别如今是一个非常流行的自动化系统元素，例如交通控制或执法监测。

此外，制造和型号也用于收费路线和边境控制，以及交通流量和密度的统计数据。