विज़ुअल एआई गाइड
फ़ीचर पिरामिड नेटवर्क
फ़ीचर पिरामिड नेटवर्क (एफपीएन) सस्ते में सुविधाओं का बहु-स्तरीय 'पिरामिड' बनाकर डिटेक्टरों को बेहद अलग-अलग आकार की वस्तुओं का पता लगाने देता है।
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
यही कारण है कि आधुनिक डिटेक्टर एक ही छवि में एक छोटे से दूर पैदल यात्री और पास के एक विशाल ट्रक दोनों को ढूंढते हैं।
गहरा गोता
छवियों में वस्तुएँ कई पैमानों पर दिखाई देती हैं, और एक एकल फ़ीचर मानचित्र उन सभी को संभालने के लिए संघर्ष करता है। पुराने तरीकों ने कई बार फोटो का आकार बदलकर और प्रत्येक कॉपी पर नेटवर्क चलाकर छवि पिरामिड का निर्माण किया, जो धीमा था। एफपीएन, लिन एट अल द्वारा प्रस्तुत किया गया। 2017 में, इसके बजाय पहले से ही एक कन्वेन्शनल नेटवर्क के अंदर प्राकृतिक पिरामिड का पुन: उपयोग किया जाता है। ResNet जैसा बैकबोन फीचर मैप तैयार करता है जो नेटवर्क में छोटे और अधिक अर्थपूर्ण हो जाते हैं। एफपीएन एक शीर्ष-डाउन मार्ग जोड़ता है: यह गहरी, अर्थपूर्ण रूप से समृद्ध सुविधाओं का नमूना लेता है और उन्हें उथले, उच्च-रिज़ॉल्यूशन सुविधाओं के साथ पार्श्व कनेक्शन के माध्यम से विलय करता है। परिणाम फ़ीचर मानचित्रों का एक सेट है जो सभी शब्दार्थ रूप से मजबूत हैं फिर भी बढ़िया स्थानिक विवरण रखते हैं, लगभग बिना किसी अतिरिक्त लागत के छोटी-वस्तु की पहचान में नाटकीय रूप से सुधार करते हैं।
वास्तविक विश्व कार्यान्वयन
सेल्फ-ड्राइविंग कार परसेप्शन स्टैक में एक साथ छोटे, दूर के पैदल यात्रियों और पास के बड़े वाहनों का पता लगाना
मास्क आर-सीएनएन में इंस्टेंस सेगमेंटेशन को सशक्त बनाना, जहां एफपीएन क्षेत्र प्रस्ताव और मास्क प्रमुखों को बहु-स्तरीय सुविधाएं प्रदान करता है
मेडिकल इमेजिंग डिटेक्शन पाइपलाइनों में बड़े अंगों के साथ-साथ छोटे ट्यूमर का पता लगाना
छोटी नावों से लेकर बड़ी इमारतों तक, उपग्रह और हवाई इमेजरी में विभिन्न आकार की वस्तुओं को ढूंढना
फ़ीचर पिरामिड नेटवर्क का भविष्य
FPN के टॉप-डाउन डिज़ाइन ने कई उत्तराधिकारियों को जन्म दिया है: PANet एक बॉटम-अप पथ जोड़ता है, BiFPN (EfficientDet में प्रयुक्त) फ़्यूज़न को भारित कनेक्शन के साथ सीखने योग्य और द्विदिश बनाता है, और NAS-FPN स्वचालित रूप से फ़्यूज़न टोपोलॉजी की खोज करता है। डीईटीआर जैसे ट्रांसफार्मर डिटेक्टर स्पष्ट पिरामिडों को किनारे कर देते हैं, लेकिन बहु-स्तरीय संलयन केंद्रीय बना रहता है। उम्मीद है कि एफपीएन-शैली के विचार आंतरिक दृष्टि ट्रांसफार्मर और कुशल ऑन-डिवाइस डिटेक्टरों के साथ बने रहेंगे, जो निश्चित कनेक्शन के बजाय सीखे हुए, अनुकूली स्केल वेटिंग के साथ बढ़ रहे हैं।
इसे व्यवहार में लाना
यह क्यों मायने रखता है?
- गति और पैमाना. विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।
- विकल्प बनाएं. रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।
- टीम और वर्कफ़्लो. संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।
का ध्यान रखें
- यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।
- मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।
- जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।
अगले चरण
- सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।
- वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।
- कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।
- कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।
अन्वेषण करते रहें
मुफ़्त न्यूज़लेटर
दैनिक एआई ब्रीफिंग प्राप्त करें
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
Take the Feature Pyramid Networks quiz
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
अक्सर पूछे जाने वाले प्रश्नों
फ़ीचर पिरामिड नेटवर्क क्या है?
फ़ीचर पिरामिड नेटवर्क (एफपीएन) सस्ते में सुविधाओं का बहु-स्तरीय 'पिरामिड' बनाकर डिटेक्टरों को बेहद अलग-अलग आकार की वस्तुओं का पता लगाने देता है। यही कारण है कि आधुनिक डिटेक्टर एक ही छवि में एक छोटे से दूर पैदल यात्री और पास के एक विशाल ट्रक दोनों को ढूंढते हैं।
फ़ीचर पिरामिड नेटवर्क मुख्य रूप से किस मुख्य समस्या का समाधान करता है?
एफपीएन एक मल्टी-स्केल फीचर प्रतिनिधित्व बनाता है ताकि एक डिटेक्टर एक ही पास में छोटे से लेकर बहुत बड़े तक की वस्तुओं को संभाल सके।
एफपीएन में, टॉप-डाउन पाथवे की क्या भूमिका है?
टॉप-डाउन पाथवे गहरे, अर्थ संबंधी विशेषताओं का नमूना लेता है और उन्हें उथले, उच्च-रिज़ॉल्यूशन वाले मानचित्रों के साथ मिला देता है ताकि हर स्तर विस्तृत और शब्दार्थ रूप से मजबूत हो।
पार्श्व कनेक्शन को आम तौर पर अपसैंपल्ड टॉप-डाउन सुविधाओं के साथ कैसे जोड़ा जाता है?
1x1 कनवल्शन पार्श्व सुविधा मानचित्र की चैनल गणना को समायोजित करता है, जिसे बाद में 2x-अपसैंपल्ड टॉप-डाउन सुविधा में तत्व-वार जोड़ा जाता है।
एफपीएन में प्रत्येक मर्ज किए गए फीचर मैप पर 3x3 कनवल्शन क्यों लागू किया जाता है?
तत्व-वार जोड़ के बाद, एक 3x3 कनवल्शन अपसैंपलिंग द्वारा शुरू की गई अलियासिंग कलाकृतियों को कम कर देता है, जिससे क्लीनर पिरामिड स्तर का निर्माण होता है।
किस बाद की वास्तुकला ने एफपीएन को सीखने योग्य, भारित द्विदिश संलयन के साथ बढ़ाया?
EfficientDet के साथ पेश किया गया BiFPN, फीचर फ़्यूज़न को द्विदिशात्मक बनाता है और प्रत्येक इनपुट कितनी दृढ़ता से योगदान देता है, इसके लिए वेट सीखता है।
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं