محول سوين
إن Swin Transformer عبارة عن محول رؤية يقوم بمعالجة الصور في نوافذ هرمية متغيرة، مما يجعل الانتباه فعالاً بدرجة كافية لتوسيع نطاق الصور عالية الدقة.
نظرة عامة
It works as a general-purpose backbone for classification, detection, and segmentation.
الغوص العميق
تقوم محولات الرؤية القياسية بحساب الانتباه عبر جميع تصحيحات الصور، والتي تنمو تكاليفها بشكل تربيعي مع حجم الصورة، مما يشكل عائقًا أمام المهام الكثيفة مثل الكشف. تم تقديمه بواسطة Microsoft بحث في عام 2021، حيث يقوم Swin (Shifted WINdows) بدلاً من ذلك بتقسيم الصورة إلى نوافذ صغيرة غير متداخلة ويحسب الاهتمام الذاتي فقط داخل كل نافذة، مما يجعل التكلفة تنمو خطيًا مع حجم الصورة. للسماح للمعلومات بعبور حدود النافذة، تقوم الطبقات المتناوبة بإزاحة شبكة النافذة، بحيث تتشارك التصحيحات التي تم فصلها الآن في النافذة. يقوم Swin أيضًا ببناء تسلسل هرمي: فهو يبدأ بتصحيحات صغيرة ويدمجها تدريجيًا، مما ينتج عنه خرائط ميزات متعددة المقاييس تشبه إلى حد كبير شبكة CNN، التي تدخل بدقة في أطر الكشف والتجزئة الحالية.
البصيرة الفنية
تأتي كفاءة Swin من الاهتمام الذاتي متعدد الرؤوس القائم على النوافذ (W-MSA): يقتصر الاهتمام على النوافذ الثابتة (على سبيل المثال تصحيحات 7 × 7)، لذا فإن التعقيد يتدرج خطيًا وليس تربيعيًا مع عدد التصحيحات. تستخدم الكتلة التالية انتباه النافذة المزاح (SW-MSA)، مما يؤدي إلى إزاحة قسم النافذة بمقدار نصف النافذة بحيث تتشكل اتصالات النوافذ المتقاطعة. تقوم طبقات دمج التصحيح بتسلسل التصحيحات المجاورة بين المراحل، مما يؤدي إلى خفض الدقة المكانية إلى النصف ومضاعفة القنوات لبناء هرم الميزات.
التأثير الاستراتيجي
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.
مستقبل محول Swin
أظهر Swin أن المحولات الهرمية والمدركة للمكان يمكنها منافسة شبكات CNN أو التغلب عليها باعتبارها العمود الفقري للرؤية العالمية، وقد دفع Swin V2 هذا إلى نماذج ذات مليار معلمة ودقة عالية جدًا. توقع استمرار المزج بين التحيزات الاستقرائية التلافيفية مع الاهتمام، ومتغيرات الانتباه الأكثر كفاءة، والأعمدة الفقرية على طراز Swin التي تغذي نماذج الوسائط المتعددة ونماذج الفيديو. مع نضوج النماذج الأساسية للرؤية، تظل التصميمات الهرمية التي تنتج ميزات متعددة النطاق ذات قيمة خاصة لمهام التنبؤ الكثيفة.
التنفيذ في العالم الحقيقي
تصنيف ImageNet عالي الدقة باعتباره عمودًا فقريًا تم تدريبه مسبقًا
اكتشاف الكائنات والأعمدة الأساسية لتجزئة المثيلات في أطر عمل مثل Mask R-CNN وCascade R-CNN
التقسيم الدلالي لمشاهد الشوارع وصور الأقمار الصناعية
تحليل الصور الطبية حيث تكون الدقة العالية والتفاصيل متعددة النطاق مهمة
المخاطر والدرابزين
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.
خارطة طريق التنفيذ
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
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 Swin Transformer 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
الدليل التالي
محولات الانتشار
الأسئلة المتداولة
What is Swin Transformer?
إن Swin Transformer عبارة عن محول رؤية يقوم بمعالجة الصور في نوافذ هرمية متغيرة، مما يجعل الانتباه فعالاً بدرجة كافية لتوسيع نطاق الصور عالية الدقة. وهو يعمل بمثابة العمود الفقري للأغراض العامة للتصنيف والكشف والتجزئة.
ما الذي يمثله "Swin" في Swin Transformer؟
يرمز Swin إلى Shifted Windows، وهي الآلية التي تسمح لنوافذ الاهتمام المحلية بتبادل المعلومات عبر الطبقات.
لماذا يعتبر حساب الاهتمام الذاتي داخل النوافذ المحلية مفيدًا؟
إن حصر الاهتمام بالنوافذ ذات الحجم الثابت يجعل التكلفة الحسابية تنمو خطيًا مع حجم الصورة، على عكس النمو التربيعي للانتباه العالمي.
كيف يسمح Swin بنقل المعلومات بين النوافذ المنفصلة؟
تقوم الطبقات المتناوبة بإزاحة شبكة النافذة بمقدار نصف نافذة، بحيث يمكن للبقع الموجودة سابقًا في النوافذ المختلفة أن تلتصق ببعضها البعض.
ماذا تفعل طبقات دمج التصحيح بين مراحل Swin؟
يعمل دمج التصحيح على تسلسل التصحيحات المجاورة لخفض الدقة المكانية وعمق القناة المزدوجة إلى النصف، مما يؤدي إلى بناء تسلسل هرمي متعدد النطاقات.
لماذا تعتبر مخرجات Swin الهرمية ومتعددة النطاقات مفيدة بشكل خاص؟
تحاكي خرائط الميزات متعددة المقاييس العمود الفقري لـ CNN، لذا يتكامل Swin بسهولة مع أطر عمل التنبؤ الكثيفة مثل Mask R-CNN.