バラノナ app

Kunstmatige intelligentie-app voor het bepalen van rozenvariëteiten die offline kan worden gebruikt

Makkelijk te gebruiken! Houd uw smartphone gewoon tegen de roos waar u meer over wilt weten.

Kunstmatige intelligentie zal de variëteit van de roos bepalen en u de naam vertellen.

Momenteel zijn er 248 soorten rozen die kunnen worden geïdentificeerd, waaronder Queen Elizabeth, Maria Callas, Cheers en Ryokuko, die zijn gebaseerd op de rozen in de Jindai Botanical Garden Rose Garden.

U kunt een foto maken van de uitslag van de beoordeling en deze opslaan op uw smartphone, of u kunt deze delen op SNS.

Ik beveel dit hotel aan

・Ik wil weten welke soorten rozen bloeien in parken en wandelpaden.

・Ik wil een foto van een roos maken en deze opslaan met de rasnaam.

・Ik wil de rasnaam toevoegen aan een foto van een roos en deze delen met vrienden.

Twee eenvoudige modi

De op het smartphonescherm getoonde rozen (of rozen) worden één voor één beoordeeld en de rasnaam wordt weergegeven.

Concentreer u op één roos en maak samen een foto van de roos en de rasnaam

Over ontwikkeling

Baranona is een app voor kunstmatige intelligentie die is onderzocht en ontwikkeld door het Chiba Institute of Technology Artificial Intelligence and Software Technology Research Center (STAIR Lab.). Jonge kinderen onthouden de namen van voorwerpen door de namen van de dingen die ze zien te leren van de mensen om hen heen. Het nieuwste onderzoek op het gebied van kunstmatige intelligentie heeft het voor computers mogelijk gemaakt om op dezelfde manier de namen van objecten te leren door ze veel voorbeelden te laten zien. De sleutel is grote hoeveelheden trainingsgegevens en deep learning. Rose Nona is ontwikkeld op basis van ongeveer 53.000 rozenafbeeldingen verzameld met medewerking van gebruikers van de smartphone-app "Jindai Rose Collection" in samenwerking met de Tokyo Metropolitan Park Association en Jindai Botanical Gardens.

Klik hier voor meer informatie over het Chiba Institute of Technology Artificial Intelligence and Software Technology Research Center (STAIR Lab.)

https://trap.center