Il prossimoProssima guida
Stime dei danni ai veicoli basate su foto AI
IA visiva
GUIDA AI visiva
Le CNN basate su regioni rilevano oggetti generando regioni candidate e classificandole o perfezionandole.
Ascolta questa guidaNarrato dall'IA · ~2 min
La famiglia è evoluta da un'elaborazione CNN per regione ripetuta verso caratteristiche condivise e proposte apprese.
R-CNN ha introdotto una pipeline che applica una CNN a ciascuna regione candidata. Fast R-CNN calcola una mappa di caratteristiche condivisa dell'immagine e raggruppa una rappresentazione delle caratteristiche per ogni regione. Faster R-CNN sostituisce la Selective Search esterna con una rete di proposte di regione appresa. Mask R-CNN estende Faster R-CNN con un ramo parallelo di predizione della maschera. I paper riportano risultati sui loro specifici set di dati e impostazioni; confronti di velocità o accuratezza non dovrebbero essere generalizzati tra implementazioni. L'obiettivo multi-task di Mask R-CNN combina classificazione, regressione delle bounding box e perdite di maschera. Introduce anche RoIAlign per evitare la quantizzazione delle coordinate nel pooling RoI, preservando l'allineamento spaziale per la predizione della maschera.
Un modello Faster R-CNN propone caselle candidate e le perfeziona.
Mask R-CNN prevede maschere degli oggetti oltre alle caselle.
Uno sviluppatore confronta i rilevatori su un unico set di dati e configurazione hardware.
Un ricercatore utilizza il pooling o l'allineamento RoI per mappare le caratteristiche delle regioni a una rappresentazione fissa.
I rilevatori a singolo stadio, a due stadi e basati su trasformatori continuano ad evolversi. Scegli in base ai requisiti di task misurati anziché a un presunto ranking universale di accuratezza o latenza.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Le Region-based CNNs rilevano oggetti generando regioni candidate e classificandole o perfezionandole. La famiglia è evoluta da un'elaborazione CNN per regione ripetuta verso caratteristiche condivise e proposte apprese.
Le R-CNN propongono regioni che potrebbero contenere oggetti, quindi eseguono una CNN per classificare ciascuna regione e perfezionarne il riquadro di delimitazione.
L'originale R-CNN elabora indipendentemente ogni proposta di regione attraverso una CNN.
Più veloce R-CNN ha introdotto una rete di proposte regionali apprese, rendendo la generazione di proposte parte della rete addestrabile e molto più veloce.
Il pooling RoI estrae griglie di caratteristiche di dimensione fissa da un'unica mappa di caratteristiche condivisa per regione, evitando il ricalcolo e accelerando il rilevamento.
Mask R-CNN estende Faster R-CNN prevedendo una maschera precisa a livello di pixel per ciascun oggetto, consentendo la segmentazione delle istanze.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Stime dei danni ai veicoli basate su foto AI
IA visiva