Key points are not available for this paper at this time.
इस लेख में, हम कंप्यूटर दृष्टि और मशीन लर्निंग की प्रभावशीलता का मूल्यांकन करते हैं, जो फोटोग्राफी और वीडियो अध्ययन में क्रांति ला रहे हैं, अध्ययन के लिए अनपेक्षित रचनात्मकता और सूचित सहमति का युग ला रहे हैं। इस क्षेत्र में कई प्रगति के बावजूद, वस्तु पहचान और वर्गीकरण ऐसे तकनीक बन गए हैं जिनके कई अनुप्रयोग हैं, उन्नत विश्लेषण से लेकर संवर्धित वास्तविकता के लिए ड्राइविंग सुरक्षा बढ़ाने तक। यह शोध दो उन्नत मॉडलों, YOLO-NAS (You Just Look at Neural Architecture Search) और Segment One (SAM), का उपयोग करके छवि और वीडियो विभाजन के विकास का विश्लेषण करता है। वास्तविक समय में उत्पादों और घटकों की खोज में, YOLO-NAS और SAM मॉडलों ने एक अच्छी संबंध स्थापित की है और डिजिटल परिवर्तन में छवि और वीडियो विभाजन के लिए एक एकीकृत प्रणाली बनने की उम्मीद है। मुख्य शब्द: YOLO-NAS, संयोजित तंत्रिका नेटवर्क (Cnns), वस्तु पहचान, कंप्यूटर दृष्टि, स्थानिक ध्यान मॉड्यूल (SAM), इंस्टेंस वीडियो विभाजन, और छवि विभाजन।
चिन्टाडा श्रीवंती सौदन्या (सन,) ने इस प्रश्न का अध्ययन किया।