ΕπόμενοΕπόμενος οδηγός
Depthwise Separable Convelutions
Τεχνικά
ΟΔΗΓΟΣ οπτικού AI
Παραμορφώσιμες περιελίξεις
Οι παραμορφώσιμες περιελίξεις επιτρέπουν σε ένα νευρωνικό δίκτυο να λυγίζει το πλέγμα δειγματοληψίας του για να ακολουθεί το πραγματικό σχήμα των αντικειμένων αντί να το πιέζει μέσα από ένα άκαμπτο τετράγωνο παράθυρο.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~2 min
Σε αυτήν τη σελίδα2 λεπτά ανάγνωση
Επισκόπηση
Αυτό κάνει τα μοντέλα πολύ καλύτερα στο χειρισμό περίεργων σχημάτων, αλλαγών κλίμακας και γεωμετρικής παραμόρφωσης.
Βαθιά κατάδυση
Μια κανονική συνέλιξη λαμβάνει δείγματα pixel σε σταθερές μετατοπίσεις — ένα τακτοποιημένο πλέγμα 3x3 με κέντρο σε κάθε θέση. Αυτό λειτουργεί καλά για υφές, αλλά δυσκολεύεται όταν τα αντικείμενα γέρνουν, τεντώνονται ή έχουν περίεργο σχήμα. Οι παραμορφώσιμες περιελίξεις, που εισήχθησαν από τον Dai και τους συνεργάτες του στην έρευνα Microsoft το 2017, προσθέτουν μια μικρή μαθησιακή μετατόπιση σε καθένα από αυτά τα σημεία δειγματοληψίας. Το δίκτυο κοιτάζει την είσοδο και προβλέπει μια 2D μετατόπιση για κάθε θέση πλέγματος, έτσι ώστε το δεκτικό πεδίο να μπορεί να παραμορφωθεί για να αγκαλιάσει μια κυρτή άκρη ή να ακολουθήσει ένα λοξό άκρο. Η παραμορφώσιμη συγκέντρωση RoI εφαρμόζει την ίδια ιδέα στα χαρακτηριστικά της περιοχής. Η έκδοση 2 (2018) πρόσθεσε βάρη διαμόρφωσης ανά σημείο, αφήνοντας το στρώμα να αμβλύνει ή να ενισχύει κάθε δείγμα, γεγονός που ακονίζει την ακρίβεια ανίχνευσης αντικειμένων σε σημεία αναφοράς όπως το COCO.
Υλοποίηση σε πραγματικό κόσμο
Ανίχνευση αντικειμένων στο COCO, όπου τα παραμορφώσιμα στρώματα ενισχύουν την ακρίβεια σε επιμήκη ή περιστρεφόμενα αντικείμενα όπως τρένα και καμηλοπαρδάλεις
Σημασιολογική τμηματοποίηση σκηνών του δρόμου, βοηθώντας μοντέλα να εντοπίσουν καμπύλες σημάνσεις λωρίδων και ακανόνιστα περιγράμματα κτιρίων
Παραμορφώσιμο DETR για ανίχνευση από άκρο σε άκρο, χρησιμοποιώντας μαθημένες μετατοπίσεις για αποτελεσματική προσοχή του μετασχηματιστή
Ιατρική απεικόνιση, όπου οι όγκοι και τα όργανα έχουν μη άκαμπτα σχήματα που τα σταθερά πλέγματα αποτυπώνουν ελάχιστα
Το μέλλον των παραμορφώσιμων περιελίξεων
Η παραμορφώσιμη προσοχή έχει γίνει η ραχοκοκαλιά της σύγχρονης ανίχνευσης: Το Παραμορφώσιμο DETR χρησιμοποιεί μαθημένες μετατοπίσεις δειγματοληψίας για να κάνει την προσοχή του μετασχηματιστή αραιή και γρήγορη, μειώνοντας δραματικά τον χρόνο εκπαίδευσης σε σχέση με το αρχικό DETR. Αναμένετε ότι η αρχή της παραμόρφωσης θα συνεχίσει να εξαπλώνεται σε βίντεο, τρισδιάστατα σύννεφα σημείων και μοντέλα γλώσσας όρασης, όπου η προσαρμοστική δειγματοληψία βοηθά στον χειρισμό της κίνησης, της απόφραξης και της ακανόνιστης γεωμετρίας. Καθώς η υποστήριξη υλικού για ακανόνιστη πρόσβαση στη μνήμη βελτιώνεται, οι παραμορφώσιμοι χειριστές θα πρέπει επίσης να γίνουν φθηνότεροι και να αναπτυχθούν ευρύτερα σε συσκευές άκρων.
Κάνοντάς το στην πράξη
Γιατί έχει σημασία
- Ταχύτητα και κλίμακα. Το Visual AI μπορεί να αυτοματοποιήσει εργασίες επιθεώρησης, ανίχνευσης και επισήμανσης σε κλίμακα.
- Δημιουργήστε επιλογές. Οι δημιουργικές ομάδες μπορούν να δημιουργήσουν πρωτότυπες ιδέες γρηγορότερα με λιγότερες μη αυτόματες αναθεωρήσεις.
- Ομάδα και ροή εργασίας. Οι λειτουργίες μπορούν να χρησιμοποιούν σήματα εικόνας και βίντεο που προηγουμένως ήταν δύσκολο να επεξεργαστούν.
Προσέξτε
- Τα δικαιώματα εικόνας και η συναίνεση μπορεί να αποτελέσουν νομικούς κινδύνους εάν η προέλευση είναι ασαφής.
- Η απόδοση του μοντέλου μπορεί να διαφέρει ανάλογα με το φωτισμό, τα δημογραφικά στοιχεία και τα περιβάλλοντα.
- Τα ψευδώς θετικά μπορεί να περάσουν απαρατήρητα εκτός εάν παρακολουθούνται τα όρια εμπιστοσύνης.
Επόμενα βήματα
- Καθορίστε κριτήρια αποδοχής για το κόστος ακρίβειας, ανάκλησης και σφάλματος.
- Δοκιμή με δεδομένα που ταιριάζουν με πραγματικές συνθήκες παραγωγής.
- Προσθέστε ανθρώπινη κριτική για προβλέψεις χαμηλής εμπιστοσύνης ή υψηλού αντίκτυπου.
- Παρακολουθήστε τη μετατόπιση του μοντέλου και επικυρώστε εκ νέου μετά από αλλαγές κάμερας ή δεδομένων.
Συνεχίστε την εξερεύνηση
Δωρεάν ενημερωτικό δελτίο
Λάβετε την καθημερινή ενημέρωση AI
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Take the Deformable Convolutions quiz
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
Συχνές ερωτήσεις
Τι είναι οι παραμορφώσιμες περιελίξεις;
Οι παραμορφώσιμες περιελίξεις επιτρέπουν σε ένα νευρωνικό δίκτυο να λυγίζει το πλέγμα δειγματοληψίας του για να ακολουθεί το πραγματικό σχήμα των αντικειμένων αντί να το πιέζει μέσα από ένα άκαμπτο τετράγωνο παράθυρο. Αυτό κάνει τα μοντέλα πολύ καλύτερα στο χειρισμό περίεργων σχημάτων, αλλαγών κλίμακας και γεωμετρικών παραμορφώσεων.
Τι προσθέτει μια παραμορφώσιμη περιέλιξη σε σύγκριση με μια τυπική περιέλιξη;
Οι παραμορφώσιμες περιελίξεις προβλέπουν μια μαθημένη μετατόπιση (dx, dy) για κάθε θέση δειγματοληψίας, αφήνοντας το πλέγμα να παραμορφώνεται για να ταιριάζει με τα σχήματα των αντικειμένων.
Πώς δημιουργούνται οι μετατοπίσεις δειγματοληψίας σε μια παραμορφώσιμη συνέλιξη;
Ένας κλάδος παράλληλης συνέλιξης εξάγει τις μετατοπίσεις, οι οποίες μαθαίνονται από άκρο σε άκρο μέσω της αντίστροφης διάδοσης.
Επειδή οι προβλεπόμενες μετατοπίσεις είναι συνήθως κλασματικές, πώς γίνεται δειγματοληψία των τιμών των εικονοστοιχείων σε αυτές τις θέσεις;
Οι κλασματικές μετατοπίσεις απαιτούν διγραμμική παρεμβολή, η οποία διατηρεί τη λειτουργία διαφοροποιήσιμη για εκπαίδευση.
Τι πρόσθεσε το Deformable ConvNets v2 (2018) πάνω από το πρωτότυπο;
Το v2 εισήγαγε τη διαμόρφωση, ένα μαθημένο βάρος ανά σημείο δειγματοληψίας που μπορεί να ενισχύσει ή να καταστείλει την επιρροή του, βελτιώνοντας την ακρίβεια.
Γιατί οι παραμορφώσιμες περιελίξεις είναι ιδιαίτερα χρήσιμες για αντικείμενα με ακανόνιστο σχήμα;
Κάμπτοντας το πλέγμα δειγματοληψίας, το ενεργό δεκτικό πεδίο ευθυγραμμίζεται με τη γεωμετρία του αντικειμένου αντί για ένα άκαμπτο τετράγωνο.
Συνέχισε να μαθαίνεις
Σχετικοί οδηγοί
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα