LegközelebbKövetkező útmutató
Térbeli transzformátor hálózatok
Vizuális AI
Vizuális MI ÚTMUTATÓ
A Feature Pyramid Networks (FPN) lehetővé teszi a detektorok számára, hogy vadul különböző méretű objektumokat észleljenek azáltal, hogy olcsón építenek többléptékű „piramist” a szolgáltatásokból.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Ez az oka annak, hogy a modern detektorok egy apró távoli gyalogost és egy hatalmas közeli teherautót is találnak ugyanazon a képen.
A képeken lévő objektumok sok léptékben jelennek meg, és egyetlen jellemző térkép nehezen tudja kezelni mindegyiket. A régebbi megközelítések képpiramisokat építettek úgy, hogy sokszor átméretezték a fotót, és minden példányon futtatták a hálózatot, ami lassú volt. FPN, amelyet Lin és munkatársai vezettek be. 2017-ben ehelyett a természetes piramist már egy konvolúciós hálózaton belül újra felhasználja. Az olyan gerinchálózat, mint a ResNet, olyan jellemzőtérképeket állít elő, amelyek kisebbek és szemantikusabbak a hálózat mélyén. Az FPN felülről lefelé haladó útvonalat ad hozzá: felmintázza a mély, szemantikailag gazdag jellemzőket, és oldalirányú kapcsolatokon keresztül egyesíti őket sekély, nagy felbontású jellemzőkkel. Az eredmény olyan jellemzőtérképek sorozata, amelyek szemantikailag erősek, de megőrzik a finom térbeli részleteket, drámaian javítva a kis objektumok észlelését szinte többletköltség nélkül.
Kis, távoli gyalogosok és nagy közeli járművek egyidejű észlelése az önvezető autók érzékelésénél
Példányszegmentálás az R-CNN maszkban, ahol az FPN többléptékű jellemzőket táplál a régiójavaslathoz és a maszkfejekhez
Apró daganatok észlelése nagy szervek mellett az orvosi képalkotó észlelési csővezetékekben
Változó méretű objektumok megtalálása műhold- és légifelvételeken, a kis csónakoktól a nagy épületekig
Az FPN felülről lefelé irányuló kialakítása számos utódot szült: a PANet alulról felfelé haladó útvonalat ad hozzá, a BiFPN (az EfficientDetben használatos) a fúziót tanulhatóvá és kétirányúvá teszi súlyozott kapcsolatokkal, a NAS-FPN pedig automatikusan megkeresi a fúziós topológiát. A transzformátordetektorok, mint a DETR, explicit piramisokat léptetnek, de a többléptékű fúzió továbbra is központi szerepet játszik. Várható, hogy az FPN-stílusú ötletek megmaradnak a látótranszformátorokon és a hatékony eszközön lévő detektorokon belül, egyre inkább tanult, adaptív skálasúlyozással, nem pedig rögzített csatlakozásokkal.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A Feature Pyramid Networks (FPN) lehetővé teszi a detektorok számára, hogy vadul különböző méretű objektumokat észleljenek azáltal, hogy olcsón építenek többléptékű „piramist” a szolgáltatásokból. Ez az oka annak, hogy a modern detektorok egy apró távoli gyalogost és egy hatalmas közeli teherautót is találnak ugyanazon a képen.
Az FPN többléptékű jellemzőábrázolást hoz létre, így az érzékelő egyetlen lépésben képes kezelni az aprótól a nagyon nagyig terjedő objektumokat.
A felülről lefelé haladó útvonal mély, szemantikai jellemzőket vesz fel, és egyesíti azokat sekélyebb, nagy felbontású térképekkel, így minden szint részletes és szemantikailag erős.
Az 1x1-es konvolúció beállítja az oldalsó jellemzőtérkép csatornaszámát, amely aztán elemenként hozzáadódik a 2x-es mintavételezésű felülről lefelé irányuló jellemzőhöz.
Az elemenkénti hozzáadást követően egy 3x3-as konvolúció csökkenti az újramintavételezéssel bevezetett aliasing műtermékeket, tisztább piramisszinteket eredményezve.
Az EfficientDet-tel bevezetett BiFPN kétirányúvá teszi a funkciófúziót, és megtanulja az egyes bemenetek hozzájárulásának súlyozását.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Térbeli transzformátor hálózatok
Vizuális AI