የባህሪ ፒራሚድ አውታረ መረቦች መመሪያ

አጠቃላይ እይታ

They are the reason modern detectors find both a tiny faraway pedestrian and a huge nearby truck in the same image.

ጥልቅ ዳይቭ

በምስሎች ውስጥ ያሉ ነገሮች በብዙ ሚዛኖች ይታያሉ፣ እና አንድ የባህሪ ካርታ ሁሉንም ለመቆጣጠር ይታገላል። የቆዩ አቀራረቦች ፎቶውን ብዙ ጊዜ በመቀየር እና በእያንዳንዱ ቅጂ ላይ ኔትወርክን በማስኬድ የምስል ፒራሚዶችን ገንብተዋል፣ ይህም ቀርፋፋ ነበር። FPN፣ በሊን እና ሌሎች አስተዋወቀ። እ.ኤ.አ. በ2017 በምትኩ የተፈጥሮውን ፒራሚድ በኮንቮሉሽን አውታረመረብ ውስጥ እንደገና ይጠቀማል። እንደ ResNet ያለ የጀርባ አጥንት በኔትወርኩ ውስጥ ትንሽ እና የበለጠ ትርጉም የሚሰጡ የባህሪ ካርታዎችን ያዘጋጃል። FPN ከላይ ወደ ታች የሚሄድ መንገድን ይጨምራል፡ ጥልቅ፣ በትርጉም የበለጸጉ ባህሪያትን በናሙና ያቀርባል እና በጎን ግንኙነቶች ጥልቀት በሌላቸው ከፍተኛ ጥራት ባህሪያት ያዋህዳቸዋል። ውጤቱም ሁሉም በትርጉም ደረጃ ጠንካራ ሆኖም ጥሩ የቦታ ዝርዝሮችን የሚይዙ የባህሪ ካርታዎች ስብስብ ነው፣ ይህም በትንሽ ነገር ያለ ምንም ተጨማሪ ወጪ በአስገራሚ ሁኔታን ያሻሽላል።

ቴክኒካዊ ግንዛቤ

ኤፍፒኤን ከታች ወደ ላይ (የጀርባ አጥንት) እና ከላይ ወደ ታች የሚሄድ መንገድ አለው። እያንዳንዱ ከላይ ወደ ታች ደረጃ በ2x (የቅርብ-ጎረቤት) እና ኤለመንት-ጥበበኛ ወደ ባለ 1x1-የተጣመረ የጎን ባህሪ ካርታ የማዛመድ ጥራት ተጨምሯል። 3x3 ኮንቮሉሽን በመቀጠል እያንዳንዱን የተዋሃደ ካርታ አሊያስሽን ለመቀነስ ያስተካክላል። ይህ P2-P5 ደረጃዎችን በቋሚ የሰርጥ ብዛት (ብዙውን ጊዜ 256) ያመነጫል፣ እያንዳንዱ የተወሰነ መጠን ያላቸውን ነገሮች የመለየት ተግባር ተሰጥቷል።

ስልታዊ ተጽእኖ

ፍጥነት እና ልኬት

ቪዥዋል AI የመመርመሪያ፣ የማወቅ እና የመለያ ስራዎችን በሚዛን መጠን በራስ ሰር ሊያደርግ ይችላል።

ምርጫዎችን ይገንቡ

የፈጠራ ቡድኖች በጥቂት የእጅ ክለሳዎች ጽንሰ-ሀሳቦችን በፍጥነት መተየብ ይችላሉ።

ቡድን እና የስራ ፍሰት

ክዋኔዎች ከዚህ ቀደም ለማስኬድ አስቸጋሪ የነበሩትን የምስል እና የቪዲዮ ምልክቶችን መጠቀም ይችላሉ።

የባህሪ ፒራሚድ ኔትወርኮች የወደፊት ዕጣ

የ FPN ከላይ ወደ ታች ያለው ንድፍ ብዙ ተተኪዎችን ፈጥሯል፡ PANet ከታች ወደ ላይ ያለውን መንገድ ይጨምራል፣ ቢኤፍፒኤን (በEfficientDet ጥቅም ላይ የሚውለው) ውህደቱን መማር የሚቻል እና ባለ ሁለት አቅጣጫ ያደርገዋል ክብደት ባላቸው ግንኙነቶች፣ እና NAS-FPN የውህደት ቶፖሎጂን በራስ-ሰር ይፈልጋል። ትራንስፎርመር ጠቋሚዎች እንደ DETR ወደ ጎን ግልጽ የሆኑ ፒራሚዶች፣ ነገር ግን ባለብዙ-ልኬት ውህደት ማዕከላዊ ሆኖ ይቆያል። የኤፍፒኤን አይነት ሀሳቦች በእይታ ትራንስፎርመሮች እና በመሳሪያ ላይ ቀልጣፋ ፈላጊዎች ውስጥ እንዲቀጥሉ፣በተማሩ እና ከቋሚ ግኑኝነቶች ይልቅ የሚለምደዉ ሚዛን ክብደት እንዲጨምሩ ይጠብቁ።

የእውነተኛ-ዓለም አተገባበር

ትናንሽ፣ የሩቅ እግረኞችን እና በአቅራቢያ ያሉ ትላልቅ ተሽከርካሪዎችን በራስ የሚነዱ የመኪና ግንዛቤ ቁልል ውስጥ በአንድ ጊዜ ማግኘት

ኤፍፒኤን ባለብዙ ደረጃ ባህሪያትን ለክልሉ ፕሮፖዛል እና ጭንብል ጭንቅላቶች በሚሰጥበት Mask R-CNN ውስጥ የአብነት ክፍፍልን ማብቃት

በሕክምና ምስል ማወቂያ ቧንቧዎች ውስጥ ከትላልቅ የአካል ክፍሎች ጎን ለጎን ጥቃቅን እጢዎችን ማየት

ከትናንሽ ጀልባዎች እስከ ትላልቅ ሕንፃዎች በሳተላይት እና በአየር ምስሎች ውስጥ የተለያየ መጠን ያላቸውን ነገሮች ማግኘት

አደጋዎች እና የጥበቃ መንገዶች

የምስል መብቶች እና ፈቃድ ግልጽ ካልሆነ ህጋዊ አደጋዎች ሊሆኑ ይችላሉ።

የሞዴል አፈጻጸም በብርሃን፣ በስነ-ሕዝብ እና በአካባቢው ሊለያይ ይችላል።

የመተማመን ገደቦች ካልተቆጣጠሩ የውሸት አወንታዊ ነገሮች ላይታዩ ይችላሉ።

የትግበራ ፍኖተ ካርታ

ለትክክለኛነት፣ ለማስታወስ እና ለስህተት ወጪዎች የመቀበያ መስፈርቶችን ይግለጹ።

ከእውነተኛ የምርት ሁኔታዎች ጋር በሚዛመድ ውሂብ ይሞክሩ።

ለዝቅተኛ እምነት ወይም ከፍተኛ ተጽዕኖ ትንበያ የሰው ግምገማን ያክሉ።

ከካሜራ ወይም የውሂብ ስብስብ ለውጦች በኋላ የሞዴሉን ተንሸራታች ይከታተሉ እና እንደገና ያረጋግጡ።

ማሰስዎን ይቀጥሉ

የኮምፒውተር እይታ

ምስላዊ AIን የሚያበረታቱ መሰረታዊ ስርዓቶችን ይረዱ።

መመሪያ ያንብቡ

AI ምስል ማመንጨት

የፍጥረት የስራ ፍሰቶችን እና የሞዴል ንግድን ያስሱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Feature Pyramid Networks quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

የቦታ ትራንስፎርመር ኔትወርኮች

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is Feature Pyramid Networks?

ባህሪ ፒራሚድ ኔትወርኮች (ኤፍፒኤን) ባለ ብዙ ደረጃ 'ፒራሚድ' ባህሪያትን በርካሽ በመገንባት ፈላጊዎች ነገሮችን በተለያየ መጠን እንዲለዩ ያስችላቸዋል። ዘመናዊ መመርመሪያዎች አንድ ትንሽ የሩቅ እግረኛ እና በአቅራቢያው ያለ ትልቅ መኪና በተመሳሳይ ምስል የሚያገኟቸው ምክንያቶች ናቸው።

የባህሪ ፒራሚድ ኔትወርክ በዋናነት የሚፈታው የትኛውን ዋና ችግር ነው?

ኤፍፒኤን ባለብዙ-ልኬት ባህሪ ውክልና ይገነባል ስለዚህ ፈላጊው ከጥቃቅን እስከ በጣም ትልቅ የሆኑ ነገሮችን በአንድ ማለፊያ ማስተናገድ ይችላል።

በ FPN ውስጥ፣ ከላይ ወደ ታች ያለው መንገድ ሚና ምንድን ነው?

ከላይ ወደ ታች ያለው መንገድ ጥልቅ፣ የትርጓሜ ባህሪያትን ይይዛል እና ጥልቀት ከሌላቸው ባለከፍተኛ ጥራት ካርታዎች ጋር ያዋህዳቸዋል ስለዚህ እያንዳንዱ ደረጃ በዝርዝር እና በትርጓሜ ጠንካራ ነው።

የጎን ግንኙነቶች በተለምዶ ከላይ ወደ ታች ካሉ ባህሪያት ጋር እንዴት ይደባለቃሉ?

1x1 ኮንቮሉሽን የጎን ካርታውን የሰርጥ ቆጠራ ያስተካክላል፣ይህም በ2x-up ናሙና ከላይ ወደ ታች ባህሪው ላይ ተጨምሯል።

ለምንድነው 3x3 convolution በ FPN ውስጥ በእያንዳንዱ የተዋሃደ የባህሪ ካርታ ላይ የሚተገበረው?

ከኤለመንታዊ ጥበባዊ መደመር በኋላ፣ 3x3 ኮንቮሉሽን በማሻሻል የገቡትን ተለዋጭ ቅርሶች ይቀንሳል፣ የጸዳ የፒራሚድ ደረጃዎችን ይፈጥራል።

ኤፍፒኤን መማር በሚችል፣ በሚዛን ባለሁለት አቅጣጫ ውህደት ያራዘመው የትኛው በኋላ ነው?

ከ EfficientDet ጋር የተዋወቀው ቢኤፍፒኤን የባህሪ ውህድ ሁለት አቅጣጫዊ ያደርገዋል እና እያንዳንዱ ግብአት ምን ያህል ጠንካራ እንደሚያበረክት ክብደቶችን ይማራል።