دليل الذكاء الاصطناعي المرئي
الالتواءات القابلة للتشوه
تتيح التلافيفات القابلة للتشوه للشبكة العصبية ثني شبكة أخذ العينات الخاصة بها لتتبع الشكل الفعلي للأشياء بدلاً من إجبارها على المرور عبر نافذة مربعة صلبة.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
وهذا يجعل النماذج أفضل بكثير في التعامل مع الأشكال الفردية وتغييرات الحجم والتشويه الهندسي.
الغوص العميق
يقوم الالتواء العادي بتجميع وحدات البكسل عند إزاحات ثابتة - شبكة مرتبة مقاس 3 × 3 تتمركز في كل موقع. يعمل هذا بشكل جيد مع الأنسجة ولكنه يواجه صعوبة عندما تكون الأشياء مائلة أو ممتدة أو ذات شكل غريب. تضيف التلافيفات القابلة للتشوه، التي قدمها داي وزملاؤه في بحث Microsoft في عام 2017، إزاحة صغيرة مكتسبة لكل نقطة من نقاط أخذ العينات هذه. تنظر الشبكة إلى المدخلات وتتنبأ بإزاحة ثنائية الأبعاد لكل موضع في الشبكة، بحيث يمكن للمجال المستقبلي أن يلتوي ليعانق حافة منحنية أو يتبع طرفًا مائلًا. يطبق تجميع عائد الاستثمار القابل للتشوه نفس الفكرة على ميزات المنطقة. أضاف الإصدار 2 (2018) أوزان تعديل لكل نقطة، مما سمح للطبقة بتخفيف أو تضخيم كل عينة، مما أدى إلى زيادة دقة اكتشاف الكائنات في معايير مثل COCO.
التنفيذ في العالم الحقيقي
اكتشاف الكائنات على COCO، حيث تعمل الطبقات القابلة للتشوه على تعزيز الدقة على الأجسام الطويلة أو المدورة مثل القطارات والزرافات
التقسيم الدلالي لمشاهد الشوارع، مما يساعد النماذج على تتبع علامات الممرات المنحنية ومخططات المباني غير المنتظمة
DETR قابل للتشوه للكشف الشامل، باستخدام الإزاحات المستفادة لجعل انتباه المحول فعالاً
التصوير الطبي، حيث يكون للأورام والأعضاء أشكال غير صلبة يصعب التقاطها بواسطة الشبكات الثابتة
مستقبل الالتواءات القابلة للتشوه
لقد أصبح الاهتمام المشوه العمود الفقري للاكتشاف الحديث: يستخدم DETR القابل للتشوه إزاحات أخذ العينات المستفادة لجعل انتباه المحولات متناثرًا وسريعًا، مما يقلل وقت التدريب بشكل كبير مقارنةً بـ DETR الأصلي. توقع أن يستمر المبدأ القابل للتشوه في الانتشار في الفيديو، والسحب النقطية ثلاثية الأبعاد، ونماذج لغة الرؤية، حيث تساعد العينات التكيفية في التعامل مع الحركة، والانسداد، والهندسة غير المنتظمة. مع تحسن دعم الأجهزة للوصول غير المنتظم إلى الذاكرة، يجب أيضًا أن تصبح المشغلات القابلة للتشوه أرخص ويتم نشرها على نطاق أوسع على الأجهزة الطرفية.
وضعها موضع التنفيذ
لماذا يهم
- السرعة والحجم. يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
- خيارات البناء. يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
- الفريق وسير العمل. يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.
احترس من
- يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
- يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
- قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.
الخطوات التالية
- تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
- اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
- أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
- تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.
استمر في الاستكشاف
رسالة إخبارية مجانية
احصل على الإحاطة اليومية لمنظمة العفو الدولية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
قم بإجراء اختبار الالتواءات القابلة للتشوه
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
الأسئلة المتداولة
ما هي الالتواءات القابلة للتشوه؟
تتيح التلافيفات القابلة للتشوه للشبكة العصبية ثني شبكة أخذ العينات الخاصة بها لتتبع الشكل الفعلي للأشياء بدلاً من إجبارها على المرور عبر نافذة مربعة صلبة. وهذا يجعل النماذج أفضل بكثير في التعامل مع الأشكال الفردية وتغييرات الحجم والتشويه الهندسي.
ما الذي يضيفه الإلتواء القابل للتشوه مقارنةً بالإلتواء القياسي؟
تتنبأ التلافيفات القابلة للتشوه بالإزاحة المستفادة (dx، dy) لكل موقع أخذ عينات، مما يسمح للشبكة بالالتواء لمطابقة أشكال الكائنات.
كيف يتم إنشاء إزاحات أخذ العينات في الالتواء المشوه؟
يقوم فرع الالتواء الموازي بإخراج الإزاحات، والتي يتم تعلمها من طرف إلى طرف عبر الانتشار العكسي.
نظرًا لأن الإزاحات المتوقعة عادةً ما تكون كسرية، فكيف يتم أخذ عينات من قيم البكسل في تلك المواضع؟
تتطلب الإزاحات الكسرية استيفاءً ثنائيًا، مما يجعل العملية قابلة للتمييز للتدريب.
ما الذي أضافته Deformable ConvNets v2 (2018) على النسخة الأصلية؟
قدم الإصدار الثاني التعديل، وهو وزن مكتسب لكل نقطة أخذ عينات يمكنه تضخيم تأثيره أو قمعه، مما يؤدي إلى تحسين الدقة.
لماذا تعتبر التلافيف القابلة للتشوه مفيدة بشكل خاص للأجسام غير المنتظمة؟
ومن خلال ثني شبكة أخذ العينات، يتماشى مجال الاستقبال الفعال مع هندسة الكائن بدلاً من المربع الصلب.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع