การตรวจจับหม้อแปลง DETR
DETR (DEtection TRansformer) กำหนดกรอบการตรวจจับวัตถุใหม่ให้เป็นปัญหาการทำนายชุดโดยตรงที่แก้ไขได้ด้วยหม้อแปลงไฟฟ้า โดยลบขั้นตอนที่ออกแบบด้วยมือ เช่น กล่องพุกและการปราบปรามที่ไม่สูงสุด
ภาพรวม
It matters because it gave detection a clean, end-to-end pipeline that inspired a wave of transformer-based vision models.
เจาะลึก
DETR เปิดตัวโดย Facebook AI ในปี 2020 โดยผสมผสานแกนหลัก CNN เข้ากับตัวเข้ารหัส-ตัวถอดรหัสหม้อแปลง CNN แยกคุณสมบัติของภาพ ตัวเข้ารหัสจะผสมบริบททั่วโลกทั่วทั้งภาพ และตัวถอดรหัสจะใช้ชุด 'แบบสอบถามวัตถุ' ที่เรียนรู้คงที่และเปลี่ยนแต่ละชุดให้เป็นวัตถุที่ตรวจพบ (กล่องคลาสบวกขอบเขต) หรือผลลัพธ์ 'ไม่มีวัตถุ' ความแปลกใหม่ที่สำคัญคือการจับคู่แบบสองฝ่าย ในระหว่างการฝึก อัลกอริธึมของฮังการีจะค้นหาการมอบหมายแบบหนึ่งต่อหนึ่งระหว่างการทำนายและวัตถุความจริงภาคพื้นดิน ดังนั้นแบบจำลองจึงเรียนรู้ที่จะส่งออกกล่องที่ไม่ซ้ำกันต่อวัตถุโดยตรง สิ่งนี้จะกำจัดการปราบปรามที่ไม่สูงสุดและการปรับจุดยึด ข้อเสียคือการบรรจบกันที่ช้าและความแม่นยำของวัตถุขนาดเล็กลดลง ซึ่งติดตามผลเช่น DETR ที่เปลี่ยนรูปได้
ข้อมูลเชิงลึกทางเทคนิค
กลไกการกำหนดของ DETR คือการสูญเสียตามเซตด้วยการจับคู่แบบฮังการี แทนที่จะให้คะแนน Anchor Box นับพันกล่อง ระบบจะปล่อยการคาดการณ์ในจำนวนคงที่ (ซึ่งมักจะเป็นแบบสอบถามออบเจ็กต์ 100 รายการ) และจับคู่แบบหนึ่งต่อหนึ่งกับออบเจ็กต์จริง ลงโทษทั้งข้อผิดพลาดในการจำแนกประเภทและข้อผิดพลาดของกล่องในคู่ที่ตรงกัน และผลักดันการสืบค้นที่ไม่ตรงกันไปยัง 'ไม่มีวัตถุ' เนื่องจากการจับคู่เป็นแบบหนึ่งต่อหนึ่ง การตรวจหารายการซ้ำจึงถูกระงับโดยการออกแบบ แทนที่จะเป็นขั้นตอนหลังการประมวลผลที่แยกต่างหาก
ผลกระทบเชิงกลยุทธ์
ความเร็วและขนาด
Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ
สร้างทางเลือก
ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง
ทีมงานและขั้นตอนการทำงาน
การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก
อนาคตของการตรวจจับหม้อแปลง DETR
DETR เปิดตัวหม้อแปลงตรวจจับทั้งตระกูล ตัวแปรต่างๆ เช่น DETR ที่เปลี่ยนรูปได้, DAB-DETR, DN-DETR และ DINO เร่งการฝึกฝนและปรับปรุงความแม่นยำได้อย่างมาก โดยโมเดลสไตล์ DINO เข้าถึงระดับสูงสุดของการวัดประสิทธิภาพการตรวจจับ กระบวนทัศน์แบบ end-to-end ที่อิงจากการสืบค้นขณะนี้ขยายไปสู่การแบ่งส่วน การติดตาม และการตรวจจับ 3 มิติ และสร้างตัวตรวจจับคำศัพท์แบบเปิดขึ้นมา คาดหวังการผสานรวมการตรวจจับ การแบ่งส่วน และการวางรากฐานภาษาอย่างต่อเนื่องในสถาปัตยกรรมหม้อแปลงแบบครบวงจร โดยที่ DETR เป็นที่จดจำว่าเป็นขั้นตอนสำคัญที่นำการวิเคราะห์พฤติกรรมที่ประดิษฐ์ขึ้นด้วยมือออกไป
การใช้งานจริงในโลกแห่งความเป็นจริง
การตรวจจับและการชกมวยคนเดินถนนและยานพาหนะในชุดข้อมูลการวิจัยการขับขี่แบบอัตโนมัติ
ขับเคลื่อนการแบ่งส่วนแบบพาโนรามาเมื่อขยายไปสู่การทำนายมาสก์ต่อพิกเซล
ทำหน้าที่เป็นสถาปัตยกรรมหลักสำหรับเครื่องตรวจจับคำศัพท์แบบเปิดและสายดิน
การค้นหาออบเจ็กต์ในภาพชั้นวางขายปลีกโดยไม่ต้องปรับขนาดจุดยึดต่อชุดข้อมูล
ความเสี่ยงและรั้ว
สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน
ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม
ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น
แผนงานการดำเนินงาน
กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล
สำรวจต่อไป
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
คำแนะนำต่อไป
การฟื้นฟูหม้อแปลง SwinIR
คำถามที่พบบ่อย
What is DETR Transformer Detection?
DETR (DEtection TRansformer) กำหนดกรอบการตรวจจับวัตถุใหม่ให้เป็นปัญหาการทำนายชุดโดยตรงที่แก้ไขได้ด้วยหม้อแปลงไฟฟ้า โดยลบขั้นตอนที่ออกแบบด้วยมือ เช่น กล่องพุกและการปราบปรามที่ไม่สูงสุด สิ่งสำคัญเนื่องจากทำให้การตรวจจับมีไปป์ไลน์ที่สะอาดตั้งแต่ต้นจนจบ ซึ่งเป็นแรงบันดาลใจให้เกิดโมเดลการมองเห็นที่ใช้หม้อแปลงจำนวนมาก
DETR กำจัดอะไรได้บ้างเมื่อเปรียบเทียบกับเครื่องตรวจจับแบบดั้งเดิมอย่าง Faster R-CNN
DETR เป็นแบบ end-to-end และคาดการณ์ชุดของกล่องโดยตรง โดยกำจัดจุดยึดและขั้นตอนหลังการประมวลผลที่ไม่สูงสุด
DETR ใช้อัลกอริธึมใดเพื่อจับคู่การทำนายกับวัตถุจริงในระหว่างการฝึก
DETR ใช้อัลกอริธึมของฮังการีเพื่อสร้างการมอบหมายแบบหนึ่งต่อหนึ่งระหว่างการทำนายและวัตถุความจริงภาคพื้นดินสำหรับการสูญเสียที่กำหนดไว้
'แบบสอบถามวัตถุ' ของ DETR คืออะไร
การสืบค้นวัตถุเป็นจำนวนเวกเตอร์ที่เรียนรู้คงที่ ตัวถอดรหัสจะแปลงแต่ละรายการเป็นการทำนายวัตถุหรือผลลัพธ์ 'ไม่มีวัตถุ'
DETR รวมสถาปัตยกรรมโดยรวมอะไรบ้าง
DETR จับคู่แกนหลักแบบหมุนวนสำหรับคุณสมบัติกับตัวเข้ารหัส-ตัวถอดรหัสหม้อแปลงสำหรับการทำนายชุด
เหตุใด DETR จึงไม่ต้องการการปราบปรามที่ไม่สูงสุด
การสูญเสียการจับคู่แบบหนึ่งต่อหนึ่งจะสอนแบบจำลองให้ปล่อยการคาดการณ์เดี่ยวต่ออ็อบเจ็กต์ ดังนั้นการลบซ้ำหลังการประมวลผลจึงไม่จำเป็น