InayofuataMwongozo unaofuata
Mitandao ya Siamese na Upotezaji wa Triplet
Kiufundi
MWONGOZO wa Kiufundi
Upotezaji wa Kuzingatia kwa Utambuzi Usio na Usawazishaji
Upotezaji wa umakini ni kitendakazi cha upotezaji kilichorekebishwa ambacho hupima mifano rahisi ili kigunduzi kiweze kuzingatia ile ngumu na adimu.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
It solved the extreme background-versus-object imbalance that crippled one-stage object detectors.
Dive ya kina
Katika ugunduzi wa kitu, picha inaweza kuwa na vitu vichache pekee lakini makumi ya maelfu ya maeneo yaliyoteuliwa, karibu yote ni usuli rahisi. Kwa kiwango cha mtambuka, mafuriko haya ya hasi rahisi hutawala gradient na kuzima chanya adimu. Upotezaji wa umakini, ulioletwa katika karatasi ya RetinaNet ya 2017 na Lin na wafanyakazi wenzake katika Facebook AI, hurekebisha hili kwa kuzidisha mtambuka kwa kipengele (1 - p_t)^gamma. Sampuli inapoainishwa kwa kujiamini na kwa usahihi, p_t iko karibu na 1, kwa hivyo kipengele hupungua hadi sifuri na mfano ulioainishwa vyema huchangia kwa kiasi kidogo. Mifano migumu, iliyoainishwa vibaya huweka karibu uzito kamili. Ikiwa na gamma karibu 2, RetinaNet ililingana au kushinda vigunduzi vya polepole vya hatua mbili kama Haraka R-CNN huku ikikaa kwenye mtandao rahisi wa pasi moja.
Utekelezaji wa Ulimwengu Halisi
Inatambua ishara ndogo za barabarani au watembea kwa miguu mbali katika fremu zinazoendesha bila kusita ambapo pikseli nyingi ziko chinichini.
Kutafuta uvimbe au vidonda adimu katika uchunguzi wa kimatibabu unaotawaliwa na tishu zenye afya.
Kugundua kasoro kwenye mstari wa utengenezaji ambapo idadi kubwa ya sehemu zilizokaguliwa ni za kawaida.
Kutambua vyombo vidogo au magari katika taswira kubwa ya satelaiti na angani.
Mustakabali wa Upotevu wa Kuzingatia kwa Utambuzi Usio na Usawa
Upotezaji wa umakini umekuwa kiungo chaguo-msingi zaidi ya RetinaNet, inayoonekana katika vigunduzi kama vile FCOS, katika mgawanyiko, na katika uainishaji wa mkia mrefu. Vibadala kama vile upotezaji wa ubora wa shabaha, upotezaji wa focal ya usambazaji, na upotezaji tofauti huiboresha kwa vigunduzi vya kisasa visivyo na nanga na vinavyotegemea transfoma. Ugunduzi unapobadilika kuelekea miundo ya utabiri-seti kama vile DETR inayotumia ulinganishaji wa pande mbili, urekebishaji wa uzani wa mtindo-msingi unasalia kuwa zana inayotumika popote ambapo masafa ya darasa yanapotoshwa sana.
Kuiweka katika vitendo
Kwa nini ni muhimu
- Gharama na bajeti. Maamuzi ya usanifu huendesha utendaji na gharama ya uendeshaji kwa miaka.
- Maamuzi ya wazi zaidi. Elimu ya kiufundi husaidia timu kuchagua safu sahihi, sio tu mpya zaidi.
- Udhibiti wa ubora. Chaguo bora za uhandisi hupunguza matukio ya kuaminika katika uzalishaji.
Jihadharini na
- Kuboresha kiwango kimoja kunaweza kuficha udhaifu mkubwa wa mfumo.
- Gharama za miundombinu na matengenezo mara nyingi hupunguzwa.
- Mapengo ya usalama na uonekanaji yanaweza kukua kadiri mifumo inavyozidi kuwa ngumu.
Hatua zinazofuata
- Bainisha muda, ubora na malengo ya gharama kabla ya utekelezaji.
- Benchmark chini ya mzigo halisi na hali ya data.
- Ufuatiliaji wa ala kwa makosa, kuteleza, na athari za mtumiaji.
- Tayarisha njia za urejeshaji na majibu ya matukio kabla ya kuongeza ukubwa.
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 Focal Loss for Imbalanced Detection 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 Focal Loss for Imbalanced Detection?
Upotezaji wa umakini ni kitendakazi cha upotezaji kilichorekebishwa ambacho hupima mifano rahisi ili kigunduzi kiweze kuzingatia ile ngumu na adimu. Ilitatua usawa uliokithiri wa mandharinyuma dhidi ya kitu ambao ulilemaza vigunduzi vya kitu cha hatua moja.
Ni tatizo gani la msingi katika ugunduzi wa kitu cha hatua moja ambalo upotezaji wa msingi uliundwa kushughulikia?
Katika ugunduzi mzito, mifano rahisi ya usuli huzidi kwa kiasi kikubwa idadi ya vitu halisi na kutawala upinde rangi wa kawaida wa entropy. Vipimo vya uzani wa upotezaji wa umakini nadra sana, mifano ngumu huhesabiwa zaidi.
Ni kigezo gani cha kurekebisha ambacho upotezaji wa kielelezo huzidisha kwenye mtambuka?
Upotezaji wa umakini ni -(1 - p_t)^gamma * logi(p_t). Neno (1 - p_t)^gamma neno hupungua hadi sifuri kwa utabiri sahihi wa uhakika.
Ni nini hufanyika kwa upotezaji wa umakini wakati kigezo cha kulenga gamma kimewekwa kuwa 0?
Katika gamma = 0 kipengele (1 - p_t)^0 ni sawa na 1, kwa hivyo upotezaji wa focal hupunguza haswa hadi kiwango cha mtambuka.
Kuongeza gamma kunafanya nini kwa mifano rahisi, iliyoainishwa vyema?
Gamma ya juu zaidi hufanya (1 - p_t)^neno la gamma kupungua haraka kwa p_t ya juu, kwa hivyo mifano rahisi huchangia hata kidogo hasara na upinde rangi.
Ni usanifu gani wa kigunduzi ulianzisha upotezaji wa msingi?
Upotezaji wa umakini ulianzishwa katika karatasi ya RetinaNet ya 2017, kuwezesha kigunduzi cha hatua moja kushindana na mbinu sahihi za hatua mbili.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii