北京, 2023年10月20日 — WiMi Hologram Cloud Inc.(NASDAQ: WIMI)(「WiMi」或「本公司」)是一家領先的全球式三維投影增強實境(AR)技術提供商,今天宣佈提出基於三維卷積神經網路的全息圖分類。三維卷積神經網路是一種將傳統卷積神經網路擴展以更好處理三維數據的模型。相比傳統圖像分類方法,三維卷積神經網路可以更好地捕捉全息圖的空間和時間信息,從全息圖中提取更豐富的特徵,並充分利用全息圖的三維特徵實現準確的分類和識別。
WiMi 的三維卷積神經網路全息圖分類,首先需要將全息圖轉換為三維數據格式,然後通過多層卷積和池化操作提取特徵。接著,提取的特徵會通過全連接層和softmax函數映射到不同類別以實現全息圖的分類。具體的技術應用步驟包括數據預處理、網絡架構設計、模型訓練和優化以及模型評估。
數據預處理:首先,我們將預處理全息圖數據。全息圖表示為包含多個切片或體素的三維數據結構,可以看作是圖像不同深度或時間步驟的表現。在處理輸入數據的過程中,需要將全息圖的三維數據轉換為適合三維卷積神經網路建模的輸入格式,例如通過將全息圖轉換為多個二維切片或將其轉換為三維體量。我們還將對數據進行標準化和正規化,以確保輸入數據具有相似的規模和範圍。
網絡架構設計:接著,WiMi 將設計適合全息圖分類的三維卷積神經網路架構。與二維卷積神經網路中的卷積操作不同,三維卷積神經網路中的卷積操作需要在三個維度上執行,以捕捉全息圖中的三維特徵,該網絡將包含多個卷積層、池化層和全連接層用於下採樣和分類任務。在三維卷積操作中,卷積核將在全息圖的所有深度上滑動並提取特徵。這些特徵將傳遞到下一層進一步提取更高層級的特徵。池化層用於減小特徵圖的大小,以減少模型的計算複雜性。最後,全連接層將提取的特徵映射到相應的類別,以完成全息圖的分類任務。
模型訓練和優化:一旦設計好網絡架構,我們將使用標記過的全息圖數據集對模型進行訓練。我們還將使用損失函數作為目標函數,使用反向傳播算法來更新網絡參數,同時將利用一些優化技術來提高網絡的性能。
模型評估:訓練模型完成後,我們將使用全息圖數據對訓練好的模型進行評估,並將計算模型準確率、精度等指標以評估模型的分類能力。此外,我們還將繪製可視化模型以評估模型的性能。
通過訓練三維卷積神經網路模型,WiMi 可以實現全息圖的自動分類和識別。該技術可以應用於醫學影像處理、視頻分析和虛擬實境等各個領域。未來,隨著深度學習和計算機視覺技術的不斷發展,基於三維卷積神經網路的全息圖分類技術預計將在科技行業得到更廣泛應用。
關於 WIMI Hologram Cloud
WIMI Hologram Cloud, Inc.(NASDAQ: WIMI)是一家全方位技術解決方案供應商,專注於專業領域,包括全息增強現實汽車頭盔顯示軟件、三維全息脈衝LiDAR、頭戴式光場全息設備、全息半導體、全息雲軟件、全息車載導航等。其服務和全息增強現實技術包括全息增強現實汽車應用、三維全息脈衝LiDAR技術、全息視覺半導體技術、全息軟件開發、全息增強現實廣告技術、全息增強現實娛樂技術、全息增強現實SDK支付、互動式全息通訊等全息增強現實技術。
安全港聲明
本新聞稿包含「前瞻性聲明」,根據1995年《美國私人證券訴訟改革法》的定義。這些前瞻性聲明可以通過術語識別,如「將」、「預期」、「預測」、「未來」、「擬」、「計劃」、「相信」、「估計」等類似表述。非歷史事實聲明,包括本公司信念和期望聲明,都是前瞻性聲明。本新聞稿、本公司業務展望和管理層引用的內容,以及在定期報告中向美國證券交易委員會提交的20-F和6-K表格、年度報告、新聞稿和其他書面材料中作出的口頭或書面前瞻性聲明,也包含前瞻性聲明。前瞻性聲明涉及固有風險和不確定性。多個因素可能導致實際結果與任何前瞻性聲明有重大差異,包括但不限於:本公司的目標和策略;本公司未來業務發展、財務狀況和經營成果;全息增強現實行業的預期增長;以及本公司對產品和服務需求和市場接受程度的期望等。
進一步信息見本公司年報表20-F部分和6-K表格當前報告。本新聞稿中提供的所有信息均截至本新聞稿日期。除非適用法律規定,本公司不承擔任何更新任何前瞻性聲明的義務。
