ترجمه فارسی مقاله مجموعه داده های آموزش برای یادگیری ماشین: کاربرد برای ناوبری مبتنی بر بینایی
عنوان مقاله به انگلیسی
Training Datasets Generation for Machine Learning: Application to Vision Based Navigation
عنوان مقاله به فارسی
مجموعه داده های آموزش برای یادگیری ماشین: کاربرد برای ناوبری مبتنی بر بینایی
نویسندگان
Jérémy Lebreton, Ingo Ahrns, Roland Brochard, Christoph Haskamp, Matthieu Le Goff, Nicolas Menga, Nicolas Ollagnier, Ralf Regele, Francesco Capolupo, Massimo Casasco
Computer Vision and Pattern Recognition,Earth and Planetary Astrophysics,Graphics,Machine Learning,چشم انداز رایانه و تشخیص الگوی , اخترفیزیک زمین و سیاره ای , گرافیک , یادگیری ماشین ,
توضیحات
Submitted 17 September, 2024; originally announced September 2024. , Comments: 6 pages, 4 figures, preprint of the proceedings of ESA SPAICE conference 2024
توضیحات به فارسی
ارسال شده 17 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 6 صفحه ، 4 شکل ، پیش نمایش مجموعه مقالات کنفرانس ESA Spaice 2024
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Vision Based Navigation consists in utilizing cameras as precision sensors for GNC after extracting information from images. To enable the adoption of machine learning for space applications, one of obstacles is the demonstration that available training datasets are adequate to validate the algorithms. The objective of the study is to generate datasets of images and metadata suitable for training machine learning algorithms. Two use cases were selected and a robust methodology was developed to validate the datasets including the ground truth. The first use case is in-orbit rendezvous with a man-made object: a mockup of satellite ENVISAT. The second use case is a Lunar landing scenario. Datasets were produced from archival datasets (Chang'e 3), from the laboratory at DLR TRON facility and at Airbus Robotic laboratory, from SurRender software high fidelity image simulator using Model Capture and from Generative Adversarial Networks. The use case definition included the selection of algorithms as benchmark: an AI-based pose estimation algorithm and a dense optical flow algorithm were selected. Eventually it is demonstrated that datasets produced with SurRender and selected laboratory facilities are adequate to train machine learning algorithms.
چکیده به فارسی (ترجمه ماشینی)
ناوبری مبتنی بر بینایی شامل استفاده از دوربین ها به عنوان سنسورهای دقیق برای GNC پس از استخراج اطلاعات از تصاویر است.برای فعال کردن پذیرش یادگیری ماشین برای برنامه های فضایی ، یکی از موانع نشان می دهد که مجموعه داده های آموزشی موجود برای اعتبارسنجی الگوریتم ها کافی است.هدف از این مطالعه تولید مجموعه داده های تصاویر و ابرداده های مناسب برای الگوریتم های یادگیری ماشین است.دو مورد استفاده انتخاب شد و یک روش شناسی قوی برای اعتبارسنجی مجموعه داده ها از جمله حقیقت زمین تهیه شد.اولین مورد استفاده در مدار با یک شیء ساخته شده توسط انسان است: مسخره ای از Envisat ماهواره.مورد دوم استفاده یک سناریوی فرود قمری است.مجموعه داده ها از مجموعه داده های بایگانی (Chang'e 3) ، از آزمایشگاه در تسهیلات DLR Tron و آزمایشگاه رباتیک ایرباس ، از نرم افزار تسلیم شبیه ساز تصویر وفاداری بالا با استفاده از ضبط مدل و از شبکه های طرفداری تولیدی تولید شد.تعریف مورد استفاده شامل انتخاب الگوریتم ها به عنوان معیار است: یک الگوریتم برآورد Pose مبتنی بر AI و یک الگوریتم جریان نوری متراکم انتخاب شد.سرانجام نشان داده شده است که مجموعه داده های تولید شده با تسهیلات تسلیم و انتخاب شده آزمایشگاهی برای آموزش الگوریتم های یادگیری ماشین کافی است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
