በክልል ላይ የተመሰረቱ ሲ.ኤን.ኤን
በክልል ላይ የተመሰረቱ ሲኤንኤን (አር-ሲኤንኤን) በመጀመሪያ እጩ ክልሎችን በምስል ሀሳብ የሚያቀርቡ፣ ከዚያም እያንዳንዱን ነገር ለመፈረጅ እና በትክክል ለመፃፍ CNNን የሚጠቀሙ የነገር ፈላጊ ቤተሰብ ናቸው።
አጠቃላይ እይታ
They turned image classification into full object detection, locating and labeling many objects at once.
ጥልቅ ዳይቭ
የምስል ምደባ 'በዚህ ሥዕል ውስጥ ያለው ምንድን ነው?' ነገር ግን ማወቂያ 'የት እና ስንት?' የሚል መልስ መስጠት አለበት። የመጀመሪያው አር-ሲኤንኤን (2014) ወደ 2,000 የሚጠጉ ክልሎችን ሀሳብ ለማቅረብ ውጫዊ ስልተ-ቀመር (Selective Search) ተጠቅሟል፣ እያንዳንዳቸውን ወደ ቋሚ መጠን በማጣመም እና በእያንዳንዱ ላይ CNN አሂድ ነበር ይህም ትክክለኛ ቢሆንም በሚያሳምም ፍጥነት። ፈጣን አር-ሲኤንኤን በመላው ምስል እና በክልል የመዋሃድ ባህሪያትን (RoI pooling) ላይ አንድ ጊዜ በማሄድ ይህንን አፋጥኗል። ፈጣኑ R-CNN በመቀጠል የተመረጠ ፍለጋን በተማረው የክልል ፕሮፖዛል ኔትወርክ (RPN) በመተካት አጠቃላይ የቧንቧ መስመር ከጫፍ እስከ ጫፍ እና በእውነተኛ ጊዜ የቀረበ። ማስክ አር-ሲኤንኤን ለእያንዳንዱ የተገኘ ነገር የፒክሰል ደረጃ ጭምብል ለማውጣት የበለጠ አራዘመው።
ቴክኒካዊ ግንዛቤ
ቁልፉ የውጤታማነት ዝላይ የRoI መዋሃድ ነው፡ በእያንዳንዱ በታቀደው ሳጥን ላይ CNN ን እንደገና ከማስኬድ ይልቅ አውታረ መረቡ ለምስሉ አንድ የጋራ ባህሪ ካርታ ያሰላል፣ ከዚያም ሰብል እና በፍላጎት በእያንዳንዱ ክልል ውስጥ ያሉትን ባህሪያት ወደ ቋሚ ፍርግርግ ይለውጣል። የፈጣን የR-CNN's RPN በዚያ የባህሪ ካርታ ላይ ተንሸራታች 'ነገር' ውጤቶች እና የሳጥን ማስተካከያዎች ለቅድመ-ቅምጥ መልህቅ ሳጥኖች መጠን እና ምጥጥነ ገጽታ፣ በነጻ ማለት ይቻላል ፕሮፖዛል ያመነጫል።
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።
በክልል ላይ የተመሰረቱ CNNs የወደፊት እጣ ፈንታ
ባለ ሁለት ደረጃ አር-ሲኤንኤን መመርመሪያዎች ትክክለኛነት በጣም አስፈላጊ በሆነበት ቦታ ላይ ጠንካራ ሆነው ይቆያሉ፣ ነገር ግን ነጠላ-ደረጃ መመርመሪያዎች (YOLO፣ SSD) እና እንደ DETR ያሉ ትራንስፎርመር ላይ የተመሰረቱ መመርመሪያዎች፣ በእጅ የተሰሩ መልህቆችን እና ሀሳቦችን ሙሉ በሙሉ የሚዘለሉ፣ ለፍጥነት እና ቀላልነት ተወዳጅነታቸው እየጨመረ ነው። አዝማሚያው ከጫፍ እስከ ጫፍ፣ ከመልህቅ-ነጻ፣ በመጠይቅ ላይ የተመሰረተ ፍለጋ ነው። አሁንም፣ የR-CNN የዘር ሐረግ ዋና ሃሳቦች፣ የተጋሩ ባህሪያት እና የክልል ደረጃ አመክንዮዎች፣ በክፍፍል፣ ቪዲዮ እና 3D ማወቂያ ስርዓቶች ላይ ተጽእኖ ማሳደሩን ቀጥለዋል።
የእውነተኛ-ዓለም አተገባበር
ለክምችት አስተዳደር በችርቻሮ መደርደሪያዎች ላይ ምርቶችን መፈለግ እና መቁጠር
Mask R-CNNን በመጠቀም የሕዋስ ወይም የአካል ክፍሎችን በሕክምና ቅኝት ውስጥ ለምሳሌ መከፋፈል
በፋብሪካ ማምረቻ መስመር ላይ ጉድለቶችን እና ቦታቸውን መለየት
በራስ ገዝ በሚነዱ የካሜራ ምግቦች ውስጥ ብዙ ተሽከርካሪዎችን እና እግረኞችን 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
Free newsletter
Get the daily AI briefing
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 Region-Based CNNs quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
ቀጣይ መመሪያ
በውጤት ላይ የተመሰረቱ አመንጪ ሞዴሎች
በተደጋጋሚ የሚጠየቁ ጥያቄዎች
What is Region-Based CNNs?
በክልል ላይ የተመሰረቱ ሲኤንኤን (አር-ሲኤንኤን) በመጀመሪያ እጩ ክልሎችን በምስል ሀሳብ የሚያቀርቡ፣ ከዚያም እያንዳንዱን ነገር ለመፈረጅ እና በትክክል ለመፃፍ CNNን የሚጠቀሙ የነገር ፈላጊ ቤተሰብ ናቸው። ብዙ ነገሮችን በአንድ ጊዜ በማፈላለግ እና በመለጠፍ የምስል ምደባን ወደ ሙሉ ነገር ፈልሳፊነት ቀየሩት።
በክልል ላይ የተመሰረተ CNN ዋና ሀሳብ ምንድን ነው?
R-CNNs እቃዎችን ሊይዙ የሚችሉ ክልሎችን ሀሳብ ያቀርባሉ፣ከዚያም እያንዳንዱን ክልል ለመከፋፈል እና የወሰን ሳጥኑን ለማጣራት CNN ን ያስኬዳል።
የመጀመሪያው R-CNN (2014) ለምን ቀርፋፋ ነበር?
የመጀመሪያው አር-ሲ ኤን ኤን በአንድ ምስል በግምት 2,000 የሚደርሱ የክልል ሀሳቦችን ለብቻው ይሰራ ነበር፣ ይህም እጅግ በጣም ውድ በሆነ ስሌት።
ፈጣን ፍለጋን ለመተካት ፈጣን አር-ሲኤንኤን ምን አስተዋወቀ?
ፈጣኑ አር-ሲኤንኤን የተማረ ሪጅን ፕሮፖዛል ኔትወርክን አስተዋወቀ፣ ፕሮፖዛል ማመንጨት የሰለጠነ አውታር አካል በማድረግ እና በጣም ፈጣን።
የRoI መዋሃድ ምን ያከናውናል?
የRoI ፑልኪንግ ቋሚ መጠን ያላቸውን የባህሪ ፍርግርግ በየክልሉ ከአንድ የጋራ የባህሪ ካርታ ያወጣል፣ ዳግም ስሌትን በማስቀረት እና ፈልጎ ማግኘትን ያፋጥናል።
ማስክ R-CNN ምን ተጨማሪ ችሎታ ይጨምራል?
ማስክ R-CNN ለእያንዳንዱ ነገር ትክክለኛ የፒክሰል ደረጃ ጭንብል በመተንበይ ፈጣን አር-ሲኤንኤን ያሰፋዋል፣ ይህም የአብነት ክፍፍልን ያስችላል።