Δίκτυα Χωρικών Μετασχηματιστών
Τα δίκτυα χωρικών μετασχηματιστών (STN) είναι μαθησιακές μονάδες που επιτρέπουν σε ένα νευρωνικό δίκτυο να παραμορφώνει, να περιστρέφεται, να περικόπτει ή να επανακλιμακώνει την είσοδό του για να επικεντρωθεί σε ό,τι έχει σημασία.
Επισκόπηση
They give CNNs a built-in sense of spatial attention and invariance.
Βαθιά κατάδυση
Τα τυπικά συνελικτικά δίκτυα είναι ελάχιστα αμετάβλητα στις αλλαγές στη θέση, την κλίμακα και την περιστροφή, βασιζόμενα στη συγκέντρωση για λίγη ανοχή. Spatial Transformer Networks, που εισήχθη από τους Jaderberg et al. το 2015, διορθώστε αυτό εισάγοντας μια διαφοροποιήσιμη μονάδα που εκτελεί έναν ρητό γεωμετρικό μετασχηματισμό σε χάρτες χαρακτηριστικών. Η μονάδα έχει τρία μέρη: ένα δίκτυο εντοπισμού που προβλέπει τις παραμέτρους μετασχηματισμού, μια γεννήτρια πλέγματος που δημιουργεί ένα πλέγμα δειγματοληψίας από αυτές τις παραμέτρους και έναν δειγματολήπτη που παρεμβάλλει την είσοδο στα σημεία του πλέγματος. Επειδή κάθε βήμα είναι διαφοροποιήσιμο, ολόκληρος ο μετασχηματιστής εκπαιδεύεται από άκρο σε άκρο με αντίστροφη διάδοση χωρίς επιπλέον επίβλεψη. Το δίκτυο μαθαίνει, για παράδειγμα, να ισιώνει ψηφία με κλίση ή να μεγεθύνει τη σχετική περιοχή, ενισχύοντας την ακρίβεια και την ευρωστία.
Τεχνική διορατικότητα
Το δίκτυο εντοπισμού εξάγει παραμέτρους (συχνά μια συγγενική μήτρα 2x3) για μετάφραση, κλίμακα, περιστροφή και διάτμηση. Η γεννήτρια πλέγματος αντιστοιχίζει κάθε εικονοστοιχείο εξόδου σε μια συντεταγμένη πηγής μέσω αυτής της μήτρας. Στη συνέχεια, ο δειγματολήπτης διαβάζει την είσοδο χρησιμοποιώντας διγραμμική παρεμβολή, η οποία είναι διαφοροποιήσιμη, ώστε οι διαβαθμίσεις να ρέουν στο δίκτυο εντοπισμού. Αυτό επιτρέπει στη μονάδα να μάθει μετασχηματισμούς καθαρά από την απώλεια εργασίας, παρακολουθώντας και κανονικοποιώντας σχετικές περιοχές.
Στρατηγικός αντίκτυπος
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.
Το μέλλον των δικτύων χωρικών μετασχηματιστών
Τα STN επηρέασαν τον τρόπο με τον οποίο τα δίκτυα χειρίζονται τη γεωμετρία και την προσοχή, τροφοδοτώντας παραμορφώσιμες περιελίξεις και ενότητες εκμάθησης παραμόρφωσης. Ενώ πλέον κυριαρχούν οι μετασχηματιστές αυτοπροσοχής, η διαφοροποιήσιμη δειγματοληψία τύπου STN εξακολουθεί να υφίσταται σε εργασίες που χρειάζονται ρητή γεωμετρική στοίχιση: αναγνώριση κειμένου, λεπτομερής ταξινόμηση και κανονικοποίηση πόζας. Αναμένετε ότι η διαφοροποιήσιμη παραμόρφωση θα συνεχίσει να εμφανίζεται στην τρισδιάστατη όραση, τη νευρική απόδοση και την καταγραφή ιατρικών εικόνων, συχνά σε συνδυασμό με προσοχή αντί να αντικαθίσταται από αυτήν.
Υλοποίηση σε πραγματικό κόσμο
Ίσιωμα και ευθυγράμμιση καμπυλωμένου ή περιστρεφόμενου κειμένου πριν από την αναγνώριση σε συστήματα OCR κειμένου σκηνής
Μεγέθυνση σε διακριτικές περιοχές (όπως το ράμφος ή το φτερό ενός πουλιού) για λεπτή ταξινόμηση εικόνων
Κανονικοποίηση της στάσης και της ευθυγράμμισης προσώπου ως βήμα προεπεξεργασίας σε αγωγούς αναγνώρισης προσώπου
Διόρθωση παραμορφώσεων και ευθυγράμμιση σαρώσεων στην καταχώριση ιατρικών εικόνων
Κίνδυνοι & προστατευτικά κιγκλιδώματα
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.
Οδικός Χάρτης Εφαρμογής
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
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 Spatial Transformer Networks 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
Επόμενος οδηγός
Ανίχνευση μετασχηματιστή DETR
Συχνές ερωτήσεις
What is Spatial Transformer Networks?
Τα δίκτυα χωρικών μετασχηματιστών (STN) είναι μαθησιακές μονάδες που επιτρέπουν σε ένα νευρωνικό δίκτυο να παραμορφώνει, να περιστρέφεται, να περικόπτει ή να επανακλιμακώνει την είσοδό του για να επικεντρωθεί σε ό,τι έχει σημασία. Δίνουν στα CNN μια ενσωματωμένη αίσθηση χωρικής προσοχής και αμετάβλητης.
Τι δυνατότητα προσθέτει ένα δίκτυο χωρικών μετασχηματιστών σε ένα νευρωνικό δίκτυο;
Τα STN εισάγουν μια μονάδα εκμάθησης που μπορεί να μεταφράζει, να περιστρέφει, να κλιμακώνει ή να παραμορφώνει χάρτες χαρακτηριστικών για να εστιάσει σε σχετικό περιεχόμενο.
Ποια τρία στοιχεία συνθέτουν μια μονάδα χωρικού μετασχηματιστή;
Ένα STN αποτελείται από ένα δίκτυο εντοπισμού (προβλέπει παραμέτρους), μια γεννήτρια πλέγματος (δημιουργεί συντεταγμένες δειγματοληψίας) και ένα δειγματολήπτη (παρεμβάλλει την είσοδο).
Γιατί μπορεί ένα Δίκτυο Χωρικών Μετασχηματιστών να εκπαιδευτεί με συνηθισμένη backpropagation;
Η διγραμμική παρεμβολή στον δειγματολήπτη είναι διαφοροποιήσιμη, επομένως οι διαβαθμίσεις ρέουν πίσω μέσω της γεννήτριας πλέγματος στο δίκτυο εντοπισμού, επιτρέποντας εκπαίδευση από άκρο σε άκρο.
Τι βγάζει συνήθως το δίκτυο τοπικής προσαρμογής για έναν μετασχηματισμό συνάφειας;
Για συγγενείς μετασχηματισμούς, το δίκτυο εντοπισμού προβλέπει έξι τιμές διατεταγμένες ως μήτρα 2x3 που κωδικοποιεί μετάφραση, κλίμακα, περιστροφή και διάτμηση.
Γιατί τα τυπικά CNN είναι ελάχιστα αμετάβλητα στις χωρικές αλλαγές, κινητοποιώντας τα STN;
Τα CNN επιτυγχάνουν μόνο μέτρια χωρική αμετάβλητη μέσω της συγκέντρωσης. Τα STN προσθέτουν έναν ξεκάθαρο, εκμαθήσιμο τρόπο χειρισμού θέσης, κλίμακας και περιστροφής.