পরবর্তী আপপরবর্তী গাইড
SwinIR ট্রান্সফরমার পুনরুদ্ধার
ভিজ্যুয়াল এআই
ভিজ্যুয়াল এআই গাইড
DETR ট্রান্সফরমার সনাক্তকরণ
ডিইটিআর (ডিটেকশন ট্রান্সফরমার) বস্তুর সনাক্তকরণকে একটি ট্রান্সফরমারের সাথে সমাধান করা একটি সরাসরি সেট-পূর্বাভাস সমস্যা হিসাবে রিফ্রেম করে, অ্যাঙ্কর বক্স এবং অ-সর্বোচ্চ দমনের মতো হাত দ্বারা ডিজাইন করা পদক্ষেপগুলি সরিয়ে দেয়।
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
এই পৃষ্ঠায়2 মিনিট পঠিত
ওভারভিউ
এটি গুরুত্বপূর্ণ কারণ এটি সনাক্তকরণকে একটি পরিষ্কার, এন্ড-টু-এন্ড পাইপলাইন দিয়েছে যা ট্রান্সফরমার-ভিত্তিক দৃষ্টি মডেলগুলির একটি তরঙ্গকে অনুপ্রাণিত করেছে।
গভীর ডুব
2020 সালে Facebook AI দ্বারা প্রবর্তিত, DETR একটি CNN ব্যাকবোনকে একটি ট্রান্সফরমার এনকোডার-ডিকোডারের সাথে একত্রিত করে। সিএনএন চিত্রের বৈশিষ্ট্যগুলি বের করে; এনকোডার সমগ্র চিত্র জুড়ে বিশ্বব্যাপী প্রসঙ্গ মিশ্রিত করে; এবং ডিকোডার শেখা 'অবজেক্ট কোয়েরি'-এর একটি নির্দিষ্ট সেট নেয় এবং প্রতিটিকে একটি সনাক্ত করা বস্তু (ক্লাস প্লাস বাউন্ডিং বক্স) বা 'নো অবজেক্ট' ফলাফলে পরিণত করে। মূল অভিনবত্ব হল দ্বিপক্ষীয় মিল: প্রশিক্ষণের সময় একটি হাঙ্গেরিয়ান অ্যালগরিদম ভবিষ্যদ্বাণী এবং গ্রাউন্ড-ট্রুথ অবজেক্টের মধ্যে এক-থেকে-ওয়ান অ্যাসাইনমেন্ট খুঁজে পায়, তাই মডেলটি সরাসরি বস্তু প্রতি একটি অনন্য বাক্স আউটপুট করতে শেখে। এটি অ-সর্বোচ্চ দমন এবং অ্যাঙ্কর টিউনিং দূর করে। ট্রেড-অফগুলি ছিল ধীর অভিন্নতা এবং দুর্বল ছোট-বস্তুর নির্ভুলতা, যা ডিফর্মেবল DETR-এর মতো ফলো-আপগুলিকে সম্বোধন করেছিল৷
বাস্তব-বিশ্ব বাস্তবায়ন
স্বায়ত্তশাসিত-ড্রাইভিং গবেষণা ডেটাসেটে পথচারী এবং যানবাহন সনাক্ত করা এবং বক্সিং করা
প্রতি-পিক্সেল মাস্ক ভবিষ্যদ্বাণীতে প্রসারিত হলে প্যানোপটিক বিভাজন শক্তি প্রদান করে
ওপেন-ভোকাবুলারি এবং গ্রাউন্ডিং ডিটেক্টরের জন্য ব্যাকবোন আর্কিটেকচার হিসাবে পরিবেশন করা
ডেটাসেট প্রতি অ্যাঙ্কর সাইজ টিউনিং না করে খুচরা শেল্ফ ইমেজে বস্তুর সন্ধান করা
DETR ট্রান্সফরমার সনাক্তকরণের ভবিষ্যত
ডিইটিআর ডিটেকশন ট্রান্সফরমারের একটি পুরো পরিবার চালু করেছে। ডিফর্মেবল ডিইটিআর, ডিএবি-ডিইটিআর, ডিএন-ডিইটিআর এবং ডিনোর মতো রূপগুলি নাটকীয়ভাবে প্রশিক্ষণ এবং উন্নত নির্ভুলতার গতি বাড়িয়েছে, ডিনো-স্টাইলের মডেলগুলি সনাক্তকরণ বেঞ্চমার্কের শীর্ষে পৌঁছেছে। ক্যোয়ারী-ভিত্তিক, এন্ড-টু-এন্ড প্যারাডাইমটি এখন সেগমেন্টেশন, ট্র্যাকিং এবং 3D ডিটেকশন পর্যন্ত প্রসারিত হয়েছে এবং ওপেন-ভোকাবুলারি ডিটেক্টর এটি তৈরি করে। ইউনিফাইড ট্রান্সফরমার আর্কিটেকচারে সনাক্তকরণ, বিভাজন, এবং ভাষা গ্রাউন্ডিংয়ের অবিরত একত্রিত হওয়ার প্রত্যাশা করুন, যার সাথে DETR কে একটি গুরুত্বপূর্ণ পদক্ষেপ হিসাবে মনে রাখা হয়েছে যা হস্ত-নির্মিত হিউরিস্টিকসকে সরিয়ে দিয়েছে।
এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
কেন এটা গুরুত্বপূর্ণ
- গতি এবং স্কেল. ভিজ্যুয়াল এআই স্কেলে পরিদর্শন, সনাক্তকরণ এবং ট্যাগিং কাজগুলি স্বয়ংক্রিয়ভাবে করতে পারে।
- পছন্দগুলি তৈরি করুন. সৃজনশীল দলগুলি কম ম্যানুয়াল সংশোধন সহ ধারণাগুলিকে দ্রুত প্রোটোটাইপ করতে পারে।
- টিম এবং ওয়ার্কফ্লো. অপারেশনগুলি ইমেজ এবং ভিডিও সংকেত ব্যবহার করতে পারে যা আগে প্রক্রিয়া করা কঠিন ছিল।
জন্য সতর্ক
- প্রমাণ অস্পষ্ট হলে ছবির অধিকার এবং সম্মতি আইনি ঝুঁকিতে পরিণত হতে পারে।
- মডেলের কর্মক্ষমতা আলো, জনসংখ্যা এবং পরিবেশ জুড়ে পরিবর্তিত হতে পারে।
- আস্থার থ্রেশহোল্ডগুলি পর্যবেক্ষণ করা না হলে মিথ্যা ইতিবাচকগুলি অলক্ষিত হতে পারে।
পরবর্তী পদক্ষেপ
- নির্ভুলতা, প্রত্যাহার, এবং ত্রুটি খরচের জন্য গ্রহণযোগ্যতার মানদণ্ড নির্ধারণ করুন।
- প্রকৃত উৎপাদন অবস্থার সাথে মেলে এমন ডেটা দিয়ে পরীক্ষা করুন।
- কম-আস্থা বা উচ্চ-প্রভাব ভবিষ্যদ্বাণীর জন্য মানুষের পর্যালোচনা যোগ করুন।
- মডেল ড্রিফ্ট ট্র্যাক করুন এবং ক্যামেরা বা ডেটাসেট পরিবর্তনের পরে পুনরায় যাচাই করুন।
অন্বেষণ চালিয়ে যান
ফ্রি নিউজলেটার
প্রতিদিনের এআই ব্রিফিং পান
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
Take the DETR Transformer Detection quiz
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
DETR ট্রান্সফরমার সনাক্তকরণ কি?
ডিইটিআর (ডিটেকশন ট্রান্সফরমার) বস্তুর সনাক্তকরণকে একটি ট্রান্সফরমারের সাথে সমাধান করা একটি সরাসরি সেট-পূর্বাভাস সমস্যা হিসাবে রিফ্রেম করে, অ্যাঙ্কর বক্স এবং অ-সর্বোচ্চ দমনের মতো হাত দ্বারা ডিজাইন করা পদক্ষেপগুলি সরিয়ে দেয়। এটি গুরুত্বপূর্ণ কারণ এটি সনাক্তকরণকে একটি পরিষ্কার, এন্ড-টু-এন্ড পাইপলাইন দিয়েছে যা ট্রান্সফরমার-ভিত্তিক দৃষ্টি মডেলগুলির একটি তরঙ্গকে অনুপ্রাণিত করেছে।
দ্রুত আর-সিএনএন-এর মতো ঐতিহ্যবাহী ডিটেক্টরের তুলনায় DETR কী অপসারণ করে?
DETR হল এন্ড-টু-এন্ড এবং সরাসরি বাক্সের একটি সেটের ভবিষ্যদ্বাণী করে, অ্যাঙ্কর এবং অ-সর্প্রেশন পোস্ট-প্রসেসিং স্টেপ নির্মূল করে।
DETR প্রশিক্ষণের সময় স্থল-সত্য বস্তুর সাথে ভবিষ্যদ্বাণী মেলাতে কোন অ্যালগরিদম ব্যবহার করে?
DETR হাঙ্গেরিয়ান অ্যালগরিদম ব্যবহার করে তার সেট ক্ষতির জন্য ভবিষ্যদ্বাণী এবং গ্রাউন্ড-ট্রুথ অবজেক্টের মধ্যে ওয়ান-টু-ওয়ান অ্যাসাইনমেন্ট তৈরি করে।
DETR এর 'অবজেক্ট প্রশ্ন' কি?
অবজেক্ট কোয়েরি হল একটি নির্দিষ্ট সংখ্যক শেখা ভেক্টর; ডিকোডার প্রতিটিকে একটি বস্তুর পূর্বাভাস বা একটি 'নো অবজেক্ট' ফলাফলে রূপান্তরিত করে।
DETR কোন সামগ্রিক স্থাপত্যকে একত্রিত করে?
DETR সেট ভবিষ্যদ্বাণীর জন্য একটি ট্রান্সফরমার এনকোডার-ডিকোডার সহ বৈশিষ্ট্যগুলির জন্য একটি পরিবর্তনমূলক ব্যাকবোন যুক্ত করে।
How does DETR's training objective support inference without a separate NMS stage?
The learning objective encourages a unique prediction per object; this is a design and training mechanism rather than an infallibility guarantee.
শিখতে থাকুন
সম্পর্কিত গাইড
এই বিষয়ের জন্য বাছাই করা আরও গাইড