La utilidad puede significar cosas diferentes para diferentes personas. A veces, la utilidad se mide por el número de usuarios que alguna vez han usado el programa o que lo están utilizando, o puede basarse en otros posibles casos de uso a los que el programa aún no se ha aplicado.
Mi programa más útil que creé solo es un sistema de visión por computadora (CV) con el potencial de ser aplicado en las siguientes áreas.
- Estructura del movimiento (SfM).
- Localización y mapeo simultáneos (SLAM).
- Costuras panorámicas automáticas a partir de fotos en bruto.
- Detección / reconocimiento de objetos.
- Realidad aumentada (AR).
- Imagenes medicas.
- Autos sin conductor.
Creé todo un solo módulo desde cero y los algoritmos han demostrado que funcionan extremadamente bien en la realidad, al menos bien probados en detección / reconocimiento de objetos. Actualmente lo acabo de usar en el n. ° 3, pespunte panorámico, en realidad supera a muchos otros en esta funcionalidad de pespunte panorámico. Todavía tengo que expandirlo a otras áreas de aplicación gradualmente con el tiempo.
- ¿Cuál es el mejor software de conversión de correo electrónico?
- ¿Cuál es la función del software de tiempo y asistencia?
- Cómo descargar más de 1 archivo torrent usando idm gratis
- ¿Cuáles son las 5 mejores aplicaciones que un estudiante debe tener?
- ¿Qué software debo usar para modelar una casa y renderizarla con interiores completos?
El sistema CV del que estoy hablando se llama reconocimiento de objetos motivado biológicamente BIMOR porque los algoritmos se desarrollaron en base a mi comprensión de la corteza visual primaria (área 17 de Brodmann) a partir de las teorías de la neurociencia. En un período de 4 años desarrollé algoritmos novedosos como:
- Detector de región saliente: detector de características muy repetible y robusto que funciona en condiciones extremas como una imagen / marco muy ruidoso.
- Descriptor: Llamado M3oh, que es simple pero efectivo para hacer coincidir las regiones sobresalientes.
- Matcher de características: se llama FastMatcher porque es extremadamente eficiente para la búsqueda de vecinos más cercanos en puntos de datos normalizados muy grandes.
Los algoritmos son tan eficientes y efectivos que se ejecutan en tiempo real en sistemas integrados o móviles sin muchos problemas. He estado extendiendo el código usando programación paralela para usar sistemas de hardware paralelos como los procesadores multinúcleo y las unidades de procesamiento de gráficos (GPU) para acelerar aún más la velocidad de inferencia del sistema.
Para implementarlos también tuve que desarrollar una biblioteca específica llamada bimor desde cero. Desarrollar ese sistema fue bastante divertido y desafiante. Obtuve una gran cantidad de conocimiento en visión por computadora y programación de esa manera. De hecho, mis habilidades de codificación en C ++ mejoraron mucho después del proyecto.
Más tarde construí encima de bimor para construir un motor de costura panorámica llamado bimostitch (bimor + stitch) y porté el motor de puntada a Android a través del NDK (kit de desarrollador nativo) para desarrollar la aplicación de Android bimostitch panorama stitcher en Google Play. Creo que el sistema de CV que construí es más de lo que parece, simple pero de vanguardia.
También estoy desarrollando otros programas potencialmente útiles en el área del aprendizaje automático (ML), especialmente el aprendizaje profundo (DL). Actualmente estoy explorando un sistema de visión de aprendizaje profundo 3D con el potencial de ser aplicado en:
- Reconocimiento / detección de rostros.
- Autos sin conductor.
- Detección / reconocimiento de objetos.
- Imagenes medicas.
- Y muchos más.
Veo que el trabajo anterior es útil, no estoy seguro de cómo lo ven los demás, pero estoy orgulloso de ello.
Espero que esto ayude.