Utambuzi wa Kitu cha Msamiati-wazi
Ugunduzi wa kitu cha msamiati huria huruhusu kielelezo kutafuta na kuweka vipengee vilivyofafanuliwa kwa maandishi yasiyo ya kawaida, ikiwa ni pamoja na kategoria ambazo hazijawahi kuona zikiwa na lebo wakati wa mafunzo.
Muhtasari
It matters because traditional detectors are locked to a fixed list of classes, while open-vocabulary models can detect almost anything you can name.
Dive ya kina
Vigunduzi vya kawaida vinafunzwa kwenye seti fupi ya kategoria, sema madarasa 80 katika COCO, na haviwezi kutambua 'kitu' nje ya orodha hiyo. Ugunduzi wa msamiati huria hutatua kwa kupanga vipengele vya eneo la kuona na nafasi ya pamoja ya upachikaji wa lugha ya maono, ambayo kwa kawaida hujifunza kutoka kwa jozi kubwa za maandishi ya picha (kama katika CLIP). Kwa makisio unatoa lebo za maandishi, modeli hupachika lebo hizo, na inalingana na maeneo yaliyotambuliwa na upachikaji wa maandishi ulio karibu zaidi, kwa hivyo kategoria za riwaya hufanya kazi mradi tu unaweza kuzifafanua. Mifumo kama vile ViLD, GLIP, OWL-ViT, Detic, na Grounding DINO ilitangaza mbinu hiyo maarufu kwa kuchanganya uti wa mgongo wa ugunduzi na msingi wa lugha na kwa mafunzo kwenye hifadhidata kubwa, zilizo na lebo dhaifu au msingi.
Ufahamu wa Kiufundi
Ujanja ni kubadilisha safu ya kiainishaji kisichobadilika na upachikaji wa maandishi. Badala ya kujifunza vekta moja ya uzani kwa kila darasa linalojulikana, kigunduzi hicho huweka kila eneo katika nafasi sawa na kisimba cha lugha; uainishaji unakuwa ulinganisho wa mfanano kati ya vipengele vya eneo na upachikaji wa majina au vifungu vya kategoria vinavyotolewa na mtumiaji. Kwa sababu kisimbaji cha maandishi hujumlisha hadi maneno yasiyoonekana, kubadilishana kwa mifuatano ya lebo mpya wakati wa jaribio huwezesha ugunduzi wa kategoria ambazo hazipo kwenye data ya mafunzo ya kisanduku chenye mipaka.
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 Ugunduzi wa Kitu cha Msamiati Wazi
Ugunduzi wa msamiati huria unachanganyika na uwekaji msingi na utengaji, ambapo misemo isiyolipishwa (sio neno moja tu) inajanibisha vitu, na kwa mifumo inayohimizwa pamoja na miundo kama SAM ya vinyago. Tarajia usahihi zaidi wa picha sifuri, maswali marefu na ya utunzi zaidi ('kikombe chekundu nyuma ya kompyuta ya mkononi'), na uunganishaji mkali na wasaidizi wa modi nyingi ambao hutambua unapohitaji. Kadiri mafunzo ya maandishi ya picha kwenye kiwango cha wavuti yanavyoboreka, mstari kati ya utambuzi, urejeshaji na uelewaji wa lugha utaendelea kutia ukungu kuelekea uwekaji msingi wa taswira.
Utekelezaji wa Ulimwengu Halisi
Kutafuta picha kwa vitu adimu au maalum kwa kuandika majina yao bila kujizoeza tena
Mifumo ya roboti inayotafuta kitu ambacho mtumiaji hukiita katika lugha asilia kabla ya kukifahamu
Kuweka lebo za data kiotomatiki kwa kugundua kategoria nyingi mpya kutoka kwa orodha ya maandishi
Udhibiti wa maudhui ambao hualamisha vitu ambavyo havipo katika lebo asili za mafunzo
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 Open-Vocabulary Object 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
Utambuzi wa Kitu
Maswali yanayoulizwa mara kwa mara
What is Open-Vocabulary Object Detection?
Ugunduzi wa kitu cha msamiati huria huruhusu kielelezo kutafuta na kuweka vipengee vilivyofafanuliwa kwa maandishi yasiyo ya kawaida, ikiwa ni pamoja na kategoria ambazo hazijawahi kuona zikiwa na lebo wakati wa mafunzo. Ni muhimu kwa sababu vigunduzi vya kitamaduni vimefungwa kwa orodha isiyobadilika ya madarasa, ilhali miundo ya msamiati huria inaweza kugundua karibu chochote unachoweza kutaja.
Je! ni uwezo gani wa kufafanua wa kugundua kitu cha msamiati wazi?
Ugunduzi wa msamiati huria unaweza kuainisha kategoria zilizobainishwa na maandishi wakati wa jaribio, hata zile ambazo hazijawahi kuona zikiwa na visanduku vya kufunga.
Je, aina hizi huainishaje eneo lililogunduliwa?
Wanaweka maeneo katika nafasi ya kupachika kwa lugha ya maono na kulinganisha kila eneo na upachikaji wa lebo ya maandishi ya karibu zaidi.
Ni nyenzo gani ya utayarishaji mapema huwezesha ugunduzi wa msamiati wazi?
Data kubwa ya maandishi ya picha (kama inavyotumiwa na miundo ya mtindo wa CLIP) huunda nafasi iliyoshirikiwa ya kupachika ambayo huruhusu maandishi kujumuisha aina mpya.
Ni sehemu gani inabadilishwa ikilinganishwa na kigunduzi kilichofungwa?
Badala ya vekta za uzani wa darasa lisilobadilika, uainishaji hutumia mfanano na upachikaji wa maandishi, kwa hivyo mifuatano ya lebo inaweza kuongezwa wakati wa jaribio.
Ni ipi kati ya hizi ni mfano wa msamiati wazi au modeli ya kugundua msingi?
Kutuliza DINO, pamoja na GLIP, OWL-ViT, ViLD, na Detic, ni vigunduzi vya msamiati wazi au vya kutuliza vinavyojulikana sana.