تیم هوش مصنوعی داتین، مقاله ISI خود را در رابطه با پردازش کیوآرکدهای چاپ‌شده، در مجله بین‌المللی ETRI به چاپ رساند و در آن با استفاده از مدل‌های شبکه‌های عصبی عمیق در پردازش تصویر (image processing)، شیوه‌ای جدید را برای خواندن کیوآرکد معرفی کرد.
یکی از روش‌های ثبت اطلاعات روی برخی کالاها، فرم‌ها، بروشورها و…، استفاده از کیوآرکد است اما نکته مهم برای استفاده از آنها عدم تخریب و از بین‌رفتن بلاک‌های اطلاعاتی‌شان است؛ چراکه ممکن است این کدها به‌درستی پرینت نشده یا به دلایل متعددی، مخدوش شده باشند. در این موارد، حتی برترین نرم‌افزارهای خوانش QR Code در گوشی‌های اندروید و IOS هم به‌شدت با افت دقت مواجه می‌شوند.
برای رفع این چالش، تیم هوش مصنوعی داتین مقاله‌ای را در مجله بین‌المللی ETRI منتشر و در آن روشی جدید را در تصحیح و استخراج اطلاعات QR Code معرفی کرد. راهکار پیشنهادی، استفاده از برترین مدل‌های یادگیری عمیق در حوزه شناسایی و تصحیح کدهای QR با استفاده از مدل‌های حوزه Segmentation است. در این مقاله، برای مقایسه دقیق‌تر مدل پیشنهادی با مدل‌های موجود، از دیتاست‌های شناخته‌شده در حوزه Instance Segmentation استفاده شد.
بررسی نتایج به‌دست‌آمده نشان می‌دهد که این مدل، نزدیک به 23 درصد نسبت به نرم‌افزارهای موبایل، عملکرد بهتری دارد. همچنین تعداد پارامترها و حجم نسبت به مدل‌های رقیب، کاهش بیش از 10 برابری داشت که کارایی بالای آن را اثبات می‌کند.
مهدی ایل بیگی، مدیر محصول راهکارهای هوش مصنوعی توسعه محصول داتین، ابراهیم پرچم، راهبر فنی راهکارهای هوش مصنوعی توسعه محصول داتین، مهدی مختاری و مصطفی فروتن برنامه‌نویسان ارشد راهکارهای هوش مصنوعی توسعه محصول این شرکت، نویسندگان این مقاله ISI بود‌‌ه‌اند.
برای خواندن متن کامل مقاله اینجا را کلیک کنید.
