【環(huán)球新要聞】人工智能算法是什么？簡(jiǎn)化圖形文件

來(lái)源：CSDN 時(shí)間：2022-12-19 10:39:12

最近領(lǐng)導(dǎo)讓研究一下猜畫(huà)小歌的底層原理，下面是自己總結(jié)的，不合適的地方，請(qǐng)大家留言指點(diǎn)，謝謝！

1.簡(jiǎn)化圖形文件：將數(shù)據(jù)定位并縮放到256x256區(qū)域。數(shù)據(jù)以ndjson格式導(dǎo)出，其元數(shù)據(jù)與原始格式相同。

簡(jiǎn)化過(guò)程是：

【資料圖】

1.1.將圖形與左上角對(duì)齊，使其最小值為0。

1.2.均勻縮放繪圖，最大值為255。

1.3.以1像素間距重新采樣所有筆劃。

2.使用Ramer-Douglas-Peucker算法簡(jiǎn)化所有筆劃，epsilon值為2.0

Ramer-Douglas-Peucker算法：轉(zhuǎn)下一頁(yè)P(yáng)PT

3.二進(jìn)制文件（.bin）

簡(jiǎn)化的圖紙和元數(shù)據(jù)也以自定義二進(jìn)制格式提供，以實(shí)現(xiàn)高效壓縮和加載。

4.Numpy位圖（.npy）

所有簡(jiǎn)化的圖紙都以numpy .npy格式渲染成28x28灰度位圖。可以使用np.load（）加載這些文件。這些圖像是從簡(jiǎn)化數(shù)據(jù)生成的，但是與圖形邊界框的中心對(duì)齊，而不是左上角。

5. Sketch-RNN QuickDraw數(shù)據(jù)集

該數(shù)據(jù)還用于訓(xùn)練Sketch-RNN模型。 Magenta項(xiàng)目中提供了該模型的開(kāi)源TensorFlow實(shí)現(xiàn)（鏈接到GitHub repo）。您還可以在此Google研究博客文章中閱讀有關(guān)此模型的更多信息。數(shù)據(jù)以適合輸入到遞歸神經(jīng)網(wǎng)絡(luò)的格式存儲(chǔ)在壓縮的.npz文件中。

在該數(shù)據(jù)集中，從每個(gè)類別中隨機(jī)選擇了75K樣本（70K訓(xùn)練，2.5K驗(yàn)證，2.5K測(cè)試），使用ε參數(shù)2.0進(jìn)行RDP線簡(jiǎn)化處理。每個(gè)類別都將存儲(chǔ)在自己的.npz文件中，例如cat.npz。

鍵類型描述

KEY_ID64位無(wú)符號(hào)整數(shù)所有圖紙的唯一標(biāo)識(shí)符。

字串提示玩家繪制的類別。

認(rèn)可布爾這個(gè)詞是否被游戲識(shí)別。

時(shí)間戳約會(huì)時(shí)間繪圖創(chuàng)建時(shí)。

國(guó)家代碼串播放器所在的雙字母國(guó)家代碼（ISO 3166-1 alpha-2）。

畫(huà)畫(huà)串表示矢量繪圖的JSON數(shù)組

責(zé)任編輯：

標(biāo)簽：

上一篇：賓得鏡頭簡(jiǎn)介鏡頭術(shù)語(yǔ)都有哪些？
下一篇：最后一頁(yè)

相關(guān)推薦：

精彩放送：