ओपन-वोकैबुलरी ऑब्जेक्ट डिटेक्शन
ओपन-वोकैबुलरी ऑब्जेक्ट डिटेक्शन एक मॉडल को मनमाने पाठ द्वारा वर्णित वस्तुओं को खोजने और बॉक्स करने की सुविधा देता है, जिसमें वे श्रेणियां भी शामिल हैं जिन्हें उसने प्रशिक्षण के दौरान कभी लेबल नहीं किया था।
सिंहावलोकन
It matters because traditional detectors are locked to a fixed list of classes, while open-vocabulary models can detect almost anything you can name.
गहरा गोता
क्लासिक डिटेक्टरों को श्रेणियों के एक बंद सेट पर प्रशिक्षित किया जाता है, जैसे कि COCO में 80 कक्षाएं, और उस सूची के बाहर किसी 'चीज़' को नहीं पहचान सकते हैं। ओपन-वोकैबुलरी डिटेक्शन एक साझा विज़न-भाषा एम्बेडिंग स्पेस के साथ दृश्य क्षेत्र सुविधाओं को संरेखित करके उस सीमा को तोड़ता है, जो आमतौर पर बड़े पैमाने पर छवि-पाठ जोड़े (सीएलआईपी में) से सीखा जाता है। अनुमान के अनुसार आप टेक्स्ट लेबल की आपूर्ति करते हैं, मॉडल उन लेबलों को एम्बेड करता है, और यह पता लगाए गए क्षेत्रों से मेल खाता है जो भी टेक्स्ट एम्बेडिंग निकटतम है, इसलिए उपन्यास श्रेणियां तब तक काम करती हैं जब तक आप उनका वर्णन कर सकते हैं। ViLD, GLIP, OWL-ViT, Detic, और ग्राउंडिंग DINO जैसी प्रणालियों ने भाषा ग्राउंडिंग के साथ डिटेक्शन बैकबोन को जोड़कर और बड़े, कमजोर लेबल वाले या ग्राउंडिंग डेटासेट पर प्रशिक्षण देकर दृष्टिकोण को लोकप्रिय बनाया।
तकनीकी अंतर्दृष्टि
यह ट्रिक एक निश्चित क्लासिफायर लेयर को टेक्स्ट एम्बेडिंग से बदल रही है। प्रति ज्ञात वर्ग में एक वेट वेक्टर सीखने के बजाय, डिटेक्टर प्रत्येक क्षेत्र को भाषा एनकोडर के रूप में एक ही स्थान पर प्रोजेक्ट करता है; वर्गीकरण क्षेत्र सुविधाओं और उपयोगकर्ता द्वारा प्रदत्त श्रेणी नामों या वाक्यांशों के एम्बेडिंग के बीच एक समानता तुलना बन जाता है। क्योंकि टेक्स्ट एन्कोडर अनदेखे शब्दों को सामान्यीकृत करता है, परीक्षण के समय नए लेबल स्ट्रिंग्स में स्वैपिंग बाउंडिंग-बॉक्स प्रशिक्षण डेटा से अनुपस्थित श्रेणियों का पता लगाने में सक्षम बनाता है।
सामरिक प्रभाव
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।
ओपन-वोकैबुलरी ऑब्जेक्ट डिटेक्शन का भविष्य
ओपन-वोकैबुलरी डिटेक्शन ग्राउंडिंग और सेगमेंटेशन के साथ परिवर्तित हो रहा है, जहां फ्री-फॉर्म वाक्यांश (सिर्फ एक शब्द नहीं) वस्तुओं को स्थानीयकृत करते हैं, और मास्क के लिए एसएएम जैसे मॉडल के साथ संयुक्त प्रॉम्प्टेबल सिस्टम के साथ। मजबूत शून्य-शॉट सटीकता, लंबी और अधिक रचनात्मक पाठ क्वेरी ('लैपटॉप के पीछे लाल मग'), और मांग पर पता लगाने वाले मल्टीमॉडल सहायकों के साथ मजबूत युग्मन की अपेक्षा करें। जैसे-जैसे वेब-स्केल छवि-पाठ प्रशिक्षण में सुधार होता है, पहचान, पुनर्प्राप्ति और भाषा समझ के बीच की रेखा सामान्य दृश्य ग्राउंडिंग की ओर धुंधली होती जाएगी।
वास्तविक विश्व कार्यान्वयन
बिना पुनः प्रशिक्षण के दुर्लभ या कस्टम वस्तुओं के नाम टाइप करके उनकी छवियाँ खोजना
रोबोटिक्स सिस्टम किसी वस्तु को पकड़ने से पहले उसका पता लगाता है, जिसे उपयोगकर्ता प्राकृतिक भाषा में नाम देता है
टेक्स्ट सूची से कई नई श्रेणियों का पता लगाकर डेटासेट को ऑटो-लेबल करना
सामग्री मॉडरेशन जो उन वस्तुओं का वर्णन करता है जो मूल प्रशिक्षण लेबल में मौजूद नहीं हैं
जोखिम और रेलिंग
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।
कार्यान्वयन रोडमैप
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
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 Open-Vocabulary Object Detection 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
अगली गाइड
वस्तु का पता लगाना
अक्सर पूछे जाने वाले प्रश्नों
What is Open-Vocabulary Object Detection?
ओपन-वोकैबुलरी ऑब्जेक्ट डिटेक्शन एक मॉडल को मनमाने पाठ द्वारा वर्णित वस्तुओं को खोजने और बॉक्स करने की सुविधा देता है, जिसमें वे श्रेणियां भी शामिल हैं जिन्हें उसने प्रशिक्षण के दौरान कभी लेबल नहीं किया था। यह मायने रखता है क्योंकि पारंपरिक डिटेक्टर कक्षाओं की एक निश्चित सूची में बंद होते हैं, जबकि खुली-शब्दावली मॉडल लगभग किसी भी चीज का पता लगा सकते हैं जिसे आप नाम दे सकते हैं।
ओपन-वोकैबुलरी ऑब्जेक्ट डिटेक्शन की परिभाषित क्षमता क्या है?
ओपन-वोकैबुलरी डिटेक्शन परीक्षण के समय पाठ द्वारा निर्दिष्ट श्रेणियों को स्थानीयकृत कर सकता है, यहां तक कि उन्हें कभी भी बाउंडिंग बॉक्स के साथ लेबल नहीं किया गया था।
ये मॉडल किसी ज्ञात क्षेत्र को कैसे वर्गीकृत करते हैं?
वे क्षेत्रों को एक दृष्टि-भाषा एम्बेडिंग स्थान में प्रोजेक्ट करते हैं और प्रत्येक क्षेत्र को निकटतम टेक्स्ट लेबल एम्बेडिंग से मिलाते हैं।
कौन सा पूर्व-प्रशिक्षण संसाधन खुली-शब्दावली का पता लगाने में सबसे अधिक सक्षम बनाता है?
विशाल छवि-पाठ डेटा (जैसा कि सीएलआईपी-शैली मॉडल द्वारा उपयोग किया जाता है) साझा एम्बेडिंग स्थान बनाता है जो पाठ को नई श्रेणियों में सामान्यीकृत करने देता है।
बंद-सेट डिटेक्टर की तुलना में किस घटक को प्रतिस्थापित किया जाता है?
निश्चित वर्ग भार वैक्टर के बजाय, वर्गीकरण टेक्स्ट एम्बेडिंग की समानता का उपयोग करता है, इसलिए परीक्षण के समय नए लेबल स्ट्रिंग जोड़े जा सकते हैं।
इनमें से कौन सा ओपन-वोकैबुलरी या ग्राउंडिंग डिटेक्शन मॉडल का एक उदाहरण है?
ग्राउंडिंग DINO, GLIP, OWL-ViT, ViLD और Detic के साथ, प्रसिद्ध ओपन-शब्दावली या ग्राउंडिंग डिटेक्टर हैं।