InayofuataMwongozo unaofuata
Mitandao ya Kibadilishaji anga
AI ya kuona
Mwongozo wa AI unaoonekana
Kipengele cha Mitandao ya Piramidi
Kipengele cha Mitandao ya Piramidi (FPN) huruhusu vigunduzi kuona vitu kwa ukubwa tofauti sana kwa kuunda 'piramidi' ya vipengele vingi kwa bei nafuu.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
They are the reason modern detectors find both a tiny faraway pedestrian and a huge nearby truck in the same image.
Dive ya kina
Vipengee kwenye picha vinaonekana katika mizani mingi, na kipengele kimoja cha ramani hujitahidi kuvishughulikia vyote. Mbinu za zamani zilijenga piramidi za picha kwa kubadilisha ukubwa wa picha mara nyingi na kuendesha mtandao kwenye kila nakala, ambayo ilikuwa polepole. FPN, iliyoletwa na Lin et al. mnamo 2017, badala yake hutumia tena piramidi asilia tayari ndani ya mtandao wa ubadilishaji. Uti wa mgongo kama ResNet hutoa ramani za vipengele ambazo zinakuwa ndogo na za kimantiki zaidi kwenye mtandao. FPN inaongeza njia ya kutoka juu chini: hutoa sampuli za vipengele vya kina, vilivyo na utajiri wa kisemantiki na kuviunganisha kupitia miunganisho ya kando na vipengele visivyo na kina, vya ubora wa juu. Matokeo yake ni seti ya ramani za vipengele ambazo zote zina nguvu za kisemantiki lakini zina maelezo mafupi ya anga, kuboresha kwa kiasi kikubwa utambuzi wa vitu vidogo bila gharama ya ziada.
Utekelezaji wa Ulimwengu Halisi
Kugundua watembea kwa miguu wadogo, wa mbali na magari makubwa ya karibu kwa wakati mmoja katika mrundikano wa utambuzi wa gari linalojiendesha.
Mgawanyiko wa mfano wa nguvu katika Mask R-CNN, ambapo FPN inalisha vipengele vya viwango vingi kwa pendekezo la eneo na vichwa vya barakoa.
Kugundua vivimbe vidogo vidogo kando ya viungo vikubwa katika mabomba ya utambuzi wa picha za kimatibabu
Kutafuta vitu vya ukubwa tofauti katika picha za satelaiti na angani, kutoka kwa boti ndogo hadi majengo makubwa
Mustakabali wa Mitandao ya Kipengele cha Piramidi
Muundo wa juu chini wa FPN umezaa warithi wengi: PANet inaongeza njia ya kutoka chini kwenda juu, BiFPN (inayotumika katika EfficientDet) hufanya muunganisho uweze kujifunza na kuelekeza pande mbili kwa miunganisho yenye uzito, na NAS-FPN hutafuta topolojia ya muunganisho kiotomatiki. Vigunduzi vya transfoma kama vile piramidi dhahiri za DETR, lakini muunganisho wa viwango vingi unasalia kuwa katikati. Tarajia mawazo ya mtindo wa FPN yaendelee kuwepo ndani ya vibadilishaji maono na vigunduzi bora kwenye kifaa, vinavyozidi kuwa na uzani wa mizani uliojifunza, unaobadilika badala ya miunganisho isiyobadilika.
Kuiweka katika vitendo
Kwa nini ni muhimu
- 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.
Jihadharini na
- 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.
Hatua zinazofuata
- 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
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the Feature Pyramid Networks quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
What is Feature Pyramid Networks?
Kipengele cha Mitandao ya Piramidi (FPN) huruhusu vigunduzi kuona vitu kwa ukubwa tofauti sana kwa kuunda 'piramidi' ya vipengele vingi kwa bei nafuu. Ndio sababu vigunduzi vya kisasa hupata mtembea kwa miguu wa mbali na lori kubwa la karibu katika picha sawa.
Ni shida gani ya msingi ambayo Mtandao wa Piramidi hutatua kimsingi?
FPN huunda uwakilishi wa vipengele vingi ili kigunduzi kinaweza kushughulikia vitu kuanzia vidogo hadi vikubwa sana kwa pasi moja.
Katika FPN, ni nini jukumu la njia ya kutoka juu kwenda chini?
Njia ya kutoka juu kwenda chini hutoa sampuli za vipengele vya kina, vya kisemantiki na kuviunganisha na ramani zisizo na kina, zenye msongo wa juu ili kila kiwango kiwe na nguvu za kina na kisemantiki.
Je, miunganisho ya kando kawaida huunganishwa vipi na vipengee vilivyoidhinishwa vya juu-chini?
Mchanganyiko wa 1x1 hurekebisha hesabu ya chaneli ya ramani ya kipengele cha pembeni, ambacho huongezwa kulingana na kipengele kwa kipengele cha 2x kilichopanuliwa juu-chini.
Kwa nini ubadilishaji wa 3x3 unatumika kwa kila ramani ya kipengele kilichounganishwa katika FPN?
Baada ya kujumlisha kwa kutumia kipengele, ubadilishaji wa 3x3 hupunguza vizalia vya bandia vinavyoletwa kwa upandishaji sampuli, na kutoa viwango safi vya piramidi.
Je, ni usanifu gani wa baadaye uliopanua FPN kwa muunganisho unaoweza kujifunza, wenye uzani wa pande mbili?
BiFPN, iliyoletwa kwa EfficientDet, hufanya muunganisho wa kipengele kiwe mwelekeo wa pande mbili na hujifunza uzani kuhusu jinsi kila ingizo linavyochangia.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii