GUIDA AI visiva

Reti di trasformatori spaziali

Le Spatial Transformer Networks (STN) sono moduli apprendibili che consentono a una rete neurale di deformare, ruotare, ritagliare o ridimensionare attivamente il proprio input per concentrarsi su ciò che conta.

Ascolta questa guidaNarrato dall'IA · ~2 min

In questa pagina2 minuti di lettura
  1. Panoramica
  2. Immersione profonda
  3. Implementazione nel mondo reale
  4. Il futuro delle reti di trasformatori spaziali
  5. Metterlo in pratica
  6. Continua a esplorare
  7. Domande frequenti

Panoramica

They give CNNs a built-in sense of spatial attention and invariance.

Immersione profonda

Le reti convoluzionali standard sono solo debolmente invarianti ai cambiamenti di posizione, scala e rotazione e si affidano al pooling per una piccola tolleranza. Reti di trasformatori spaziali, introdotte da Jaderberg et al. nel 2015, risolvi questo problema inserendo un modulo differenziabile che esegue una trasformazione geometrica esplicita sulle mappe delle caratteristiche. Il modulo è composto da tre parti: una rete di localizzazione che prevede i parametri di trasformazione, un generatore di griglia che costruisce una griglia di campionamento da tali parametri e un campionatore che interpola l'input nei punti della griglia. Poiché ogni passaggio è differenziabile, l'intero trasformatore viene addestrato end-to-end mediante backpropagation senza alcuna supervisione aggiuntiva. La rete impara, ad esempio, a raddrizzare le cifre inclinate o a ingrandire la regione pertinente, aumentando la precisione e la robustezza.

Implementazione nel mondo reale

Raddrizzamento e allineamento del testo curvo o ruotato prima del riconoscimento nei sistemi OCR del testo della scena

Zoom in regioni discriminanti (come il becco o l'ala di un uccello) per la classificazione delle immagini a grana fine

Normalizzazione della posa e dell'allineamento del viso come fase di preelaborazione nelle pipeline di riconoscimento facciale

Correzione delle distorsioni e allineamento delle scansioni nella registrazione delle immagini mediche

Il futuro delle reti di trasformatori spaziali

Gli STN hanno influenzato il modo in cui le reti gestiscono la geometria e l'attenzione, alimentando convoluzioni deformabili e moduli di deformazione appresa. Mentre ora dominano i trasformatori dell’autoattenzione, il campionamento differenziabile in stile STN persiste in compiti che richiedono un allineamento geometrico esplicito: riconoscimento del testo, classificazione a grana fine e normalizzazione delle pose. Aspettatevi che deformazioni differenziabili continuino ad apparire nella visione 3D, nel rendering neurale e nella registrazione delle immagini mediche, spesso combinate con l'attenzione anziché sostituite da essa.

Metterlo in pratica

Perché è importante

  • Velocità e scala. L’intelligenza artificiale visiva può automatizzare le attività di ispezione, rilevamento ed etichettatura su larga scala.
  • Scelte di build. I team creativi possono prototipare i concetti più velocemente con meno revisioni manuali.
  • Team e flusso di lavoro. Le operazioni possono utilizzare segnali immagine e video che in precedenza erano difficili da elaborare.

Attenzione

  • I diritti di immagine e il consenso possono diventare rischi legali se la provenienza non è chiara.
  • Le prestazioni del modello possono variare in base all'illuminazione, ai dati demografici e agli ambienti.
  • I falsi positivi possono passare inosservati a meno che non vengano monitorate le soglie di confidenza.

Prossimi passi

  1. Definire i criteri di accettazione per i costi di precisione, richiamo ed errore.
  2. Testare con dati che corrispondono alle reali condizioni di produzione.
  3. Aggiungi la revisione umana per previsioni poco attendibili o ad alto impatto.
  4. Tieni traccia della deriva del modello e riconvalida dopo le modifiche alla fotocamera o al set di dati.

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

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

Take the Spatial Transformer Networks quiz

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

What is Spatial Transformer Networks?

Le Spatial Transformer Networks (STN) sono moduli apprendibili che consentono a una rete neurale di deformare, ruotare, ritagliare o ridimensionare attivamente il proprio input per concentrarsi su ciò che conta. Danno alle CNN un senso innato di attenzione spaziale e invarianza.

Quale capacità aggiunge una rete di trasformatori spaziali a una rete neurale?

Gli STN inseriscono un modulo apprendibile in grado di tradurre, ruotare, ridimensionare o deformare le mappe delle caratteristiche per concentrarsi su contenuti rilevanti.

Quali tre componenti compongono un modulo trasformatore spaziale?

Un STN è costituito da una rete di localizzazione (prevede i parametri), un generatore di griglia (costruisce coordinate di campionamento) e un campionatore (interpola l'input).

Perché una rete di trasformatori spaziali può essere addestrata con la normale backpropagation?

L'interpolazione bilineare nel campionatore è differenziabile, quindi i gradienti rifluiscono attraverso il generatore di griglia alla rete di localizzazione, consentendo l'addestramento end-to-end.

Che cosa produce tipicamente la rete di localizzazione per una trasformazione affine?

Per le trasformazioni affini, la rete di localizzazione prevede sei valori disposti come una matrice 2x3 che codifica traslazione, scala, rotazione e taglio.

Perché le CNN standard sono solo debolmente invarianti ai cambiamenti spaziali, motivando le STN?

Le CNN ottengono solo una modesta invarianza spaziale attraverso il pooling; Gli STN aggiungono un modo esplicito e apprendibile per gestire posizione, scala e rotazione.