Utambuzi wa Transfoma ya DETR
DETR (Detection TRAnsformer) hurekebisha ugunduzi wa kitu kama tatizo la utabiri-seti wa moja kwa moja kutatuliwa na kibadilishaji, na kuondoa hatua zilizoundwa kwa mkono kama vile visanduku vya kushikilia na ukandamizaji usio wa kiwango cha juu zaidi.
Muhtasari
It matters because it gave detection a clean, end-to-end pipeline that inspired a wave of transformer-based vision models.
Dive ya kina
Ilianzishwa na Facebook AI mnamo 2020, DETR inachanganya uti wa mgongo wa CNN na kisimbaji kisimbaji cha transfoma. CNN inatoa vipengele vya picha; programu ya kusimba inachanganya muktadha wa kimataifa katika taswira nzima; na avkodare huchukua seti isiyobadilika ya 'maswali ya kitu' na kugeuza kila kitu kuwa kitu kilichogunduliwa (darasa pamoja na kisanduku cha kufunga) au matokeo ya 'hakuna kitu'. Riwaya kuu ni kulinganisha kwa pande mbili: wakati wa mafunzo algorithm ya Hungarian hupata mgawo wa moja kwa moja kati ya utabiri na vitu vya ukweli, kwa hivyo mfano hujifunza kutoa kisanduku cha kipekee kwa kila kitu moja kwa moja. Hii huondoa ukandamizaji usio wa kiwango cha juu na urekebishaji wa nanga. Mabadilishano ya biashara yalikuwa muunganiko wa polepole na usahihi hafifu wa kitu kidogo, ambacho kinafuata kama vile Deformable DETR kushughulikiwa.
Ufahamu wa Kiufundi
Utaratibu wa kubainisha wa DETR ni upotevu wa msingi uliowekwa na ulinganishaji wa Kihungari. Badala ya kufunga maelfu ya visanduku vya nanga, hutoa idadi isiyobadilika ya ubashiri (mara nyingi hoja 100 za kitu) na kuzilinganisha moja kwa moja na vitu vya kweli, kuadhibu makosa ya uainishaji na kisanduku kwenye jozi zinazolingana na kusukuma maswali yasiyolingana kuelekea 'hakuna kitu.' Kwa sababu kulinganisha ni moja hadi moja, ugunduzi unaorudiwa hukandamizwa na muundo badala ya hatua tofauti ya uchakataji.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Utambuzi wa Kibadilishaji cha DETR
DETR ilizindua familia nzima ya transfoma za kugundua. Vibadala kama vile DETR inayoweza kubadilika, DAB-DETR, DN-DETR na DINO yaliharakisha sana mafunzo na usahihi ulioboreshwa, huku miundo ya mtindo wa DINO ikifikia kilele cha alama za utambuzi. Mtazamo wa msingi wa hoja, wa mwisho hadi mwisho sasa unaenea hadi kwa sehemu, ufuatiliaji, na utambuzi wa 3D, na vigunduzi vya msamiati wazi hujengwa juu yake. Tarajia muunganiko unaoendelea wa utambuzi, utengaji na uwekaji lugha katika usanifu wa kibadilishaji kibadilishaji chenye umoja, huku DETR ikikumbukwa kama hatua kuu ambayo iliondoa maandishi yaliyoundwa kwa mikono.
Utekelezaji wa Ulimwengu Halisi
Kugundua na kupiga ndondi watembea kwa miguu na magari katika hifadhidata za utafiti zinazoendesha kwa uhuru
Inawezesha sehemu za panoptic inapopanuliwa hadi utabiri wa barakoa kwa kila pikseli
Inatumika kama usanifu wa uti wa mgongo kwa vigunduzi vya msamiati wazi na msingi
Kuweka vitu katika picha za rafu ya rejareja bila kurekebisha ukubwa wa nanga kwa kila mkusanyiko wa data
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
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 DETR Transformer 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
Mwongozo unaofuata
Urejesho wa Transfoma ya SwinIR
Maswali yanayoulizwa mara kwa mara
What is DETR Transformer Detection?
DETR (Detection TRAnsformer) hurekebisha ugunduzi wa kitu kama tatizo la utabiri-seti wa moja kwa moja kutatuliwa na kibadilishaji, na kuondoa hatua zilizoundwa kwa mkono kama vile visanduku vya kushikilia na ukandamizaji usio wa kiwango cha juu zaidi. Ni muhimu kwa sababu ilitoa ugunduzi wa bomba safi, kutoka mwisho hadi mwisho ambalo lilihamasisha wimbi la mifano ya maono inayotegemea transfoma.
Je, DETR huondoa nini ikilinganishwa na vigunduzi vya kitamaduni kama vile Faster R-CNN?
DETR ni ya mwisho hadi mwisho na inatabiri seti ya visanduku moja kwa moja, ikiondoa nanga na hatua isiyo ya juu zaidi ya ukandamizaji baada ya kuchakata.
DETR hutumia algorithm gani kulinganisha utabiri na vitu vya ukweli wakati wa mafunzo?
DETR hutumia algoriti ya Kihungari kuunda kazi ya moja-kwa-moja kati ya utabiri na vitu vya ukweli wa msingi kwa hasara yake iliyowekwa.
'maswali ya kitu' ya DETR ni nini?
Maswali ya kitu ni idadi maalum ya vekta zilizojifunza; avkodare hubadilisha kila moja kuwa utabiri wa kitu au matokeo ya 'hakuna kitu'.
DETR inachanganya usanifu gani wa jumla?
DETR inaoanisha uti wa mgongo wa ubadilishaji kwa vipengele vilivyo na kisimbaji cha transfoma kwa utabiri uliowekwa.
Kwa nini DETR haihitaji ukandamizaji usio wa kiwango cha juu?
Hasara ya kulinganisha moja-kwa-moja hufunza kielelezo kutoa utabiri mmoja kwa kila kitu, kwa hivyo uondoaji-nakala baada ya usindikaji sio lazima.