Up tókànItọsọna atẹle
Awọn nẹtiwọki Siamese ati Pipadanu Triplet
Imọ-ẹrọ
Imọ Itọsọna
Pipadanu Idojukọ fun Wiwa Aiṣedeede
Pipadanu idojukọ jẹ iṣẹ ipadanu ti a ṣe atunṣe ti awọn apẹẹrẹ irọrun-isalẹ ki oluwari le dojukọ awọn lile, awọn toje.
Gbọ si itọsọna yiiAI-ṣe afihan · ~2 min
Lori iwe yi2 min ka
Akopọ
It solved the extreme background-versus-object imbalance that crippled one-stage object detectors.
Jin Dive
Ni wiwa ohun, aworan le ni awọn nkan gidi diẹ ninu ṣugbọn ẹgbẹẹgbẹrun awọn ipo oludije, o fẹrẹ jẹ gbogbo eyiti o rọrun lẹhin. Pẹlu boṣewa agbelebu-entropy, iṣan omi ti awọn odi irọrun jẹ gaba lori gradient ati ki o rì awọn idaniloju toje jade. Ipadanu idojukọ, ti a ṣe sinu iwe 2017 RetinaNet nipasẹ Lin ati awọn alabaṣiṣẹpọ ni Facebook AI, ṣe atunṣe eyi nipasẹ isodipupo agbelebu-entropy nipasẹ ifosiwewe (1 - p_t) ^ gamma. Nigba ti a ba pin ayẹwo kan ni igboya ati bi o ti tọ, p_t wa nitosi 1, nitorinaa ifosiwewe dinku si odo ati pe apẹẹrẹ ti iyasọtọ daradara ko ṣe alabapin. Lile, awọn apẹẹrẹ aiṣedeede tọju iwuwo ni kikun. Pẹlu gamma ni ayika 2, RetinaNet baamu tabi lu awọn aṣawari ipele meji ti o lọra bi Faster R-CNN lakoko ti o duro ni nẹtiwọọki ti o rọrun ẹyọkan.
Real-World imuse
Ṣiṣawari awọn ami opopona kekere tabi awọn ẹlẹsẹ ti o jinna ni awọn fireemu awakọ adase nibiti ọpọlọpọ awọn piksẹli wa lẹhin.
Wiwa awọn èèmọ toje tabi awọn egbo ninu awọn ọlọjẹ iṣoogun ti o jẹ gaba lori nipasẹ àsopọ ilera.
Awọn abawọn iranran lori laini iṣelọpọ nibiti ọpọlọpọ awọn ẹya ti a ṣayẹwo jẹ deede.
Idanimọ awọn ọkọ oju omi kekere tabi awọn ọkọ ni satẹlaiti nla ati awọn aworan eriali.
Ọjọ iwaju ti Ipadanu Idojukọ fun Wiwa Aiṣedeede
Pipadanu idojukọ ti di eroja aiyipada daradara ju RetinaNet lọ, ti o farahan ni awọn aṣawari bi FCOS, ni ipin, ati ni isọdi gigun-gun. Awọn iyatọ gẹgẹbi ipadanu idojukọ didara, pipadanu idojukọ pinpin, ati pipadanu varifocal ṣe atunṣe rẹ fun ọfẹ-ọfẹ oran ati awọn aṣawari ti o da lori iyipada. Bi wiwa ṣe n yipada si awọn awoṣe asọtẹlẹ-ṣeto bii DETR ti o lo ibaamu bipartite, iwọn-ara idojukọ jẹ ohun elo ti o wulo nibikibi ti awọn igbohunsafẹfẹ kilasi ti yipo pupọ.
Fifi o sinu iwa
Kini idi ti o ṣe pataki
- Iye owo ati isuna. Awọn ipinnu faaji ṣe awakọ iṣẹ ati idiyele iṣẹ fun awọn ọdun.
- Awọn ipinnu diẹ sii. Ẹkọ imọ-ẹrọ ṣe iranlọwọ fun awọn ẹgbẹ lati yan akopọ to tọ, kii ṣe ọkan tuntun nikan.
- Iṣakoso didara. Awọn yiyan imọ-ẹrọ to dara julọ dinku awọn iṣẹlẹ igbẹkẹle ni iṣelọpọ.
Ṣọra fun
- Ṣiṣepe ala-ilẹ kan le tọju awọn ailagbara eto ti o gbooro.
- Awọn ohun elo amayederun ati awọn idiyele itọju nigbagbogbo ni aibikita.
- Aabo ati awọn ela akiyesi le dagba bi awọn eto ṣe di eka sii.
Next awọn igbesẹ
- Ṣetumo lairi, didara, ati awọn ibi-afẹde idiyele ṣaaju imuse.
- Aṣepari labẹ ẹru ojulowo ati awọn ipo data.
- Abojuto ohun elo fun awọn aṣiṣe, fiseete, ati ipa olumulo.
- Mura ipadasẹhin pada ati awọn ipa ọna esi iṣẹlẹ ṣaaju iwọn.
Tesiwaju Ṣiṣawari
Ìwé ìròyìn ọfẹ
Gba ìkànìyàn AI ojoojúmọ́
Ìtàn AI mẹta tó jẹ́rìí ní gbogbo owurọ́ ọjọ́ iṣẹ́, kọ́wé ní Gẹ̀ẹ́sì tó rọrùn. Ọfẹ́ fún gbogbo àkókò, kò sí ìpolówó.
Ìmeèlì kan ní gbogbo ọjọ́ iṣẹ́. Yọkúrò ní ìkànìyàn ní ìkànìyàn kan. A kò ta tàbí pín àdírẹ́sì rẹ.
Ṣe idanwo fun ara rẹ
Take the Focal Loss for Imbalanced Detection quiz
Ìdáhùn lẹ́sẹ̀kẹsẹ̀ lórí gbogbo ìdáhùn, àti iwe-ẹ̀rí tó lè pin pẹ̀lú ID tó lè jẹ́rìí lẹ́yìn tí o bá kọ́ ẹ̀kọ́.
Ṣe àtìlẹ́yìn ẹ̀kọ́ AI ọfẹ́. AI Understanding jẹ́ àjọ àìní èrè 501(c)(3) — kò sí ìpolówó, kò sí àkúnya owó, ní gbogbo àkókò. Ṣe ẹbun kan
Awọn ibeere ti a beere nigbagbogbo
What is Focal Loss for Imbalanced Detection?
Pipadanu idojukọ jẹ iṣẹ ipadanu ti a ṣe atunṣe ti o ṣe iwọn awọn apẹẹrẹ irọrun ki oluwari le dojukọ awọn lile, awọn toje. O yanju iwọntunwọnsi isale-lodi-ohun kan ti o rọ awọn aṣawari ohun ipele kan.
Isoro koko wo ni wiwa nkan ipele kan jẹ pipadanu idojukọ ti a ṣe lati koju?
Ni wiwa ipon, awọn apẹẹrẹ isale irọrun lọpọlọpọ ju awọn ohun gidi lọ ati jẹ gaba lori iwọn-agbelebu-entropy boṣewa. Idojukọ pipadanu reweights ki toje, lile apeere ka siwaju sii.
Kini ifosiwewe modulating ti ipadanu idojukọ pọ si lori agbelebu-entropy?
Pipadanu idojukọ jẹ -(1 - p_t)^gamma * log(p_t). Oro (1 - p_t)^gamma n dinku si odo fun awọn asọtẹlẹ titọ pẹlu igboya.
Kini yoo ṣẹlẹ si pipadanu idojukọ nigbati a ṣeto gamma paramita idojukọ si 0?
Ni gamma = 0 ifosiwewe (1 - p_t) ^ 0 dọgba 1, nitorina pipadanu idojukọ dinku ni deede si boṣewa-agbelebu-entropy.
Kini gamma ti o pọ si ṣe si irọrun, awọn apẹẹrẹ iyasọtọ daradara?
Gamma ti o ga julọ jẹ ki ọrọ gamma (1 - p_t) ^ gamma dinku yiyara fun p_t giga, nitorinaa awọn apẹẹrẹ ti o rọrun ṣe alabapin paapaa kere si pipadanu ati isọdọtun.
Eyi ti aṣawari faaji ṣe afihan pipadanu idojukọ?
A ṣe afihan pipadanu idojukọ ni iwe 2017 RetinaNet, ti o mu ki oluwari ipele kan si orogun awọn ọna ipele meji deede.
Tesiwaju kikọ
Jẹmọ awọn itọsọna
Awọn itọsọna diẹ sii ti a yan fun koko yii