Преглед
Деформируемите навивки позволяват на невронната мрежа да огъне своята решетка за вземане на проби, за да следва действителната форма на обектите, вместо да я прокара през твърд квадратен прозорец. Това прави моделите много по-добри при справяне със странни форми, промени в мащаба и геометрични изкривявания.
Deformable Convolutions принадлежи към работните процеси за компютърно зрение, които интерпретират или генерират визуална медия за анализ, операции и творчество.
Дълбоко гмуркане
Нормалната конволюция взема проби от пиксели при фиксирани отмествания — подредена решетка 3x3, центрирана на всяко място. Това работи добре за текстури, но се затруднява, когато обектите са наклонени, разтегнати или със странна форма. Деформируемите навивки, въведени от Dai и колеги от Microsoft Research през 2017 г., добавят малко научено отместване към всяка от тези точки за вземане на проби. Мрежата разглежда входа и прогнозира 2D изместване за всяка позиция на мрежата, така че възприемащото поле може да се изкриви, за да прегърне извит ръб или да следва наклонен крайник. Обединяването на деформируемата ROI прилага същата идея към характеристиките на региона. Версия 2 (2018) добави тегла на модулация на точка, позволявайки на слоя да смекчи или усили всяка проба, което повиши точността на откриване на обекти при бенчмаркове като COCO.
Техническа информация
Отместванията се произвеждат от допълнителен конволюционен слой, работещ паралелно, извеждащ 2N стойности за N-точково ядро (един dx, един dy на точка). Тъй като прогнозираните отмествания са дробни, стойностите на взетите пиксели се изчисляват с билинейна интерполация, която поддържа цялата операция диференцируема. Отместванията се научават от край до край чрез нормално обратно разпространение — няма отделно наблюдение, което да казва на мрежата къде да търси. Добавените разходи са скромни, тъй като офсетният клон е лек в сравнение с картите на основните характеристики.
Овладяване на деформируеми извивки
Деформируемите навивки позволяват на невронната мрежа да огъне своята решетка за вземане на проби, за да следва действителната форма на обектите, вместо да я прокара през твърд квадратен прозорец. Това прави моделите много по-добри при справяне със странни форми, промени в мащаба и геометрични изкривявания. Deformable Convolutions принадлежи към работните процеси за компютърно зрение, които интерпретират или генерират визуална медия за анализ, операции и творчество. За да изградите дълбоко разбиране, третирайте Deformable Convolutions като оперативен модел, а не като отделна функция: дефинирайте желаните резултати, изяснете предположенията и отделете това, което системата може да направи надеждно, от това, което все още изисква експертна преценка.
На практика силни екипи, използващи деформируеми конволюции, балансират точността с оперативните реалности като качество на данните, вариация на осветлението и последователност на етикетите. Те документират изрични критерии за успех, тестват срещу реалистични данни и работни потоци и повтарят въз основа на наблюдавани модели на неуспех, а не на еднократни победи в бенчмарка. Това е мястото, където теоретичното разбиране се превръща в трайна способност за продукти, политики и операции.
Visual AI може да автоматизира задачи за проверка, откриване и маркиране в мащаб. В същото време правата върху изображението и съгласието могат да се превърнат в правни рискове, ако произходът е неясен. Най-устойчивият подход е да се комбинира скоростта на експериментиране с дисциплината на управление: стартирайте пилотни проекти, събирайте доказателства, публикувайте регистрационни файлове за решения и непрекъснато актуализирайте предпазните мерки, докато поведението на модела, очакванията на потребителите и регулаторните изисквания се развиват.
Стратегическо въздействие
Visual AI може да автоматизира задачи за проверка, откриване и маркиране в мащаб.
Visual AI може да автоматизира задачи за проверка, откриване и маркиране в мащаб. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Творческите екипи могат да създават прототипи на концепции по-бързо с по-малко ръчни ревизии.
Творческите екипи могат да създават прототипи на концепции по-бързо с по-малко ръчни ревизии. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Операциите могат да използват изображения и видео сигнали, които преди са били трудни за обработка.
Операциите могат да използват изображения и видео сигнали, които преди са били трудни за обработка. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Внедряване в реалния свят
Откриване на обекти на COCO, където деформируемите слоеве повишават точността на удължени или завъртяни обекти като влакове и жирафи
Семантично сегментиране на улични сцени, помагащо на моделите да проследят извити маркировки на платна и неправилни очертания на сгради
Деформируем DETR за откриване от край до край, използвайки научени отмествания, за да направи вниманието на трансформатора ефективно
Медицинско изображение, при което туморите и органите имат нетвърди форми, които фиксираните решетки улавят лошо
Модели на изпълнение
Деформируеми извивки на практика
Откриване на обекти на COCO, където деформируемите слоеве повишават точността на удължени или завъртяни обекти като влакове и жирафи.
Откриване на обекти в COCO, където деформируемите слоеве повишават точността на удължени или завъртяни обекти като влакове и жирафи Екипите обикновено получават по-добри резултати, когато дефинират прагове за качество отпред, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Деформируеми извивки на практика
Семантично сегментиране на улични сцени, което помага на моделите да проследят извити маркировки на платна и неправилни очертания на сгради.
Семантично сегментиране на улични сцени, помагащо на моделите да проследят извити маркировки на платна и неправилни очертания на сгради. Екипите обикновено получават по-добри резултати, когато дефинират прагове за качество отпред, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Деформируеми извивки на практика
Деформируем DETR за откриване от край до край, използвайки научени отмествания, за да направи вниманието на трансформатора ефективно.
Деформируем DETR за откриване от край до край, използвайки научени отмествания, за да направи вниманието на трансформатора ефективно. Екипите обикновено получават по-добри резултати, когато дефинират праговете на качеството предварително, поддържат човешки път за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Деформируеми извивки на практика
Медицински изображения, при които туморите и органите имат нетвърди форми, които фиксираните решетки улавят лошо.
Медицински изображения, при които туморите и органите имат нетвърди форми, които фиксираните решетки улавят лошо. Екипите обикновено получават по-добри резултати, когато определят праговете на качеството предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Рискове и предпазни огради
Правата върху изображението и съгласието могат да се превърнат в правни рискове, ако произходът е неясен.
Производителността на модела може да варира в зависимост от осветлението, демографските данни и средата.
Фалшивите положителни резултати могат да останат незабелязани, освен ако не се наблюдават праговете на достоверност.
Пътна карта за изпълнение
Определете критерии за приемане за прецизност, извикване и разходи за грешки.
Определете критерии за приемане за прецизност, извикване и разходи за грешки. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Тествайте с данни, които съответстват на реалните производствени условия.
Тествайте с данни, които съответстват на реалните производствени условия. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Добавете преглед от човек за прогнози с ниска степен на сигурност или с голямо въздействие.
Добавете преглед от човек за прогнози с ниска степен на сигурност или с голямо въздействие. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Проследявайте дрейфа на модела и проверявайте отново след промени в камерата или набора от данни.
Проследявайте дрейфа на модела и проверявайте отново след промени в камерата или набора от данни. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.