Computer vision and image processing
View all tags
เมื่อโทรศัพท์ของคุณจดจำใบหน้าได้ในเสี้ยววินาที เมื่อ Google Translate แปลภาษาไทยเป็นอังกฤษได้อย่างแม่นยำ หรือเมื่อ ChatGPT สร้างคำตอบที่เหมือนมนุษย์ — นั่นคือ Deep Learning กำลังทำงานอยู่ มันคือเทคโนโลยีเบื้องหลังความก้าวหน้าด้าน AI เกือบทุกอย่างในทศวรรษที่ผ่านมา และกำลังเปลี่ยนแปลงสิ่งที่คอมพิวเตอร์สามารถทำได้
มนุษย์เข้าใจโลกผ่านประสาทสัมผัสหลายอย่างโดยธรรมชาติ - เราเห็นภาพ ได้ยินเสียง อ่านข้อความ และดูวิดีโอพร้อมกัน แต่จนกระทั่งเมื่อไม่นานมานี้ ระบบ AI ถูกจำกัดให้ประมวลผลข้อมูลได้ทีละประเภทเท่านั้น ขอต้อนรับสู่ Multimodal AI - ปัญญาประดิษฐ์ที่สามารถเข้าใจและทำงานกับข้อมูลหลายประเภทพร้อมกัน เหมือนกับที่มนุษย์ทำ
โดย ดร.กอบกฤตย์ วิริยะยุทธกร CEO และผู้ก่อตั้ง iApp Technology
เคยสงสัยไหมว่าแอปสามารถอ่านบัตรประชาชนหรือพาสปอร์ตของคุณได้ทันทีได้อย่างไร? ธนาคารยืนยันตัวตนจากรูปถ่ายเอกสารของคุณได้อย่างไร? เบื้องหลังเวทมนตร์นี้เรียกว่า OCR - Optical Character Recognition ในคู่มือนี้ เราจะอธิบายทุกสิ่งที่คุณต้องรู้เกี่ยวกับ Thai Document OCR ด้วยภาษาที่เข้าใจง่าย
