Ṣiṣawari Ohun-ọrọ Ọrọ-ọrọ
Ṣiṣawari ohun-ọrọ-ọrọ jẹ ki awoṣe ki o wa ati apoti awọn nkan ti a ṣapejuwe nipasẹ ọrọ lainidii, pẹlu awọn ẹka ti ko ri ti akole lakoko ikẹkọ.
Akopọ
It matters because traditional detectors are locked to a fixed list of classes, while open-vocabulary models can detect almost anything you can name.
Jin Dive
Awọn aṣawari Ayebaye ti ni ikẹkọ lori awọn isori pipade, sọ awọn kilasi 80 ni COCO, ati pe ko le ṣe idanimọ ohun kan ni ita atokọ yẹn. Ṣiṣawari ọrọ-ọrọ ṣiṣi silẹ ti o ni opin nipa tito awọn ẹya agbegbe wiwo pẹlu aaye ifisinu ede iran pinpin, ni igbagbogbo kọ ẹkọ lati awọn orisii ọrọ-aworan nla (bii ninu CLIP). Ni itọkasi o pese awọn aami ọrọ, awoṣe ṣe ifibọ awọn aami wọnyẹn, ati pe o baamu awọn agbegbe ti a rii si eyikeyi ti ifisinu ọrọ ti o sunmọ julọ, nitorinaa awọn ẹka aramada ṣiṣẹ niwọn igba ti o le ṣe apejuwe wọn. Awọn ọna ṣiṣe bii ViLD, GLIP, OWL-ViT, Detic, ati Grounding DINO gbaye ọna naa nipa apapọ awọn ẹhin wiwa wiwa pẹlu ilẹ ede ati nipa ikẹkọ lori nla, aami alailagbara tabi awọn ipilẹ data ipilẹ.
Imọ-imọ-ẹrọ
Ẹtan naa ni rirọpo Layer classifier ti o wa titi pẹlu awọn ifibọ ọrọ. Dipo kiko ẹkọ fekito iwuwo kan fun kilasi ti a mọ, aṣawari naa ṣe agbekalẹ agbegbe kọọkan sinu aaye kanna bi koodu koodu ede; Isọri di afiwe ibajọra laarin awọn ẹya agbegbe ati awọn ifibọ ti awọn orukọ ẹka tabi awọn gbolohun ọrọ ti olumulo pese. Nitori pe koodu koodu n ṣe akopọ si awọn ọrọ ti a ko rii, yiyipada ni awọn gbolohun ọrọ aami tuntun ni akoko idanwo n jẹ ki iṣawari awọn ẹka ti ko si ni data ikẹkọ apoti-didi.
Ipa Ilana
Iyara ati iwọn
Visual AI le ṣe adaṣe adaṣe, wiwa, ati awọn iṣẹ ṣiṣe taagi ni iwọn.
Kọ awọn yiyan
Awọn ẹgbẹ ẹda le ṣe apẹrẹ awọn imọran yiyara pẹlu awọn atunyẹwo afọwọṣe diẹ.
Ẹgbẹ ati ṣiṣan iṣẹ
Awọn iṣẹ ṣiṣe le lo aworan ati awọn ifihan agbara fidio ti o nira tẹlẹ lati ṣiṣẹ.
Ọjọ iwaju ti Ṣiṣawari Ohun-ọrọ Ọrọ-ọrọ
Ṣiṣawari awọn ọrọ-iṣiro n ṣajọpọ pẹlu ilẹ ati ipin, nibiti awọn gbolohun ọrọ-ọfẹ (kii ṣe awọn ọrọ ẹyọkan) ti sọ awọn nkan agbegbe, ati pẹlu awọn ọna ṣiṣe itọka ni idapo pẹlu awọn awoṣe bii SAM fun awọn iboju iparada. Reti ni okun sii deede-shot odo, gun ati diẹ sii awọn ibeere ọrọ akojọpọ ('ẹmu pupa ti o wa lẹhin kọǹpútà alágbèéká'), ati isọpọ ṣinṣin pẹlu awọn oluranlọwọ multimodal ti o rii lori ibeere. Bi ikẹkọ ọrọ-aworan aworan oju opo wẹẹbu ti n ṣe ilọsiwaju, laini laarin wiwa, imupadabọ, ati oye ede yoo ma jẹ didamu si ilẹ wiwo gbogbogbo.
Real-World imuse
Wiwa awọn aworan fun awọn nkan ti o ṣọwọn tabi aṣa nipa titẹ awọn orukọ wọn laisi atunṣeto
Awọn ọna ẹrọ Robotik ti n wa nkan kan ti olumulo loruko ni ede adayeba ṣaaju ki o to dimu
Awọn isamisi data ni aifọwọyi nipa wiwa ọpọlọpọ awọn ẹka tuntun lati atokọ ọrọ kan
Iwọntunwọnsi akoonu ti awọn asia ṣe apejuwe awọn nkan ti ko wa ninu awọn aami ikẹkọ atilẹba
Awọn ewu & Awọn ọna iṣọ
Awọn ẹtọ aworan ati igbanilaaye le di awọn eewu labẹ ofin ti o ba jẹ afihan.
Iṣe awoṣe le yatọ kọja ina, awọn ẹda eniyan, ati awọn agbegbe.
Awọn idaniloju eke le ma ṣe akiyesi ayafi ti a ba ṣe abojuto awọn ala igbẹkẹle.
Ilana Ilana imuse
Ṣetumo awọn ibeere gbigba fun pipe, iranti, ati awọn idiyele aṣiṣe.
Ṣe idanwo pẹlu data ti o baamu awọn ipo iṣelọpọ gidi.
Ṣafikun atunyẹwo eniyan fun igbẹkẹle kekere tabi awọn asọtẹlẹ ipa-giga.
Tọpinpin awoṣe ki o ṣe tunṣe lẹhin kamẹra tabi awọn ayipada datasetto.
Tesiwaju Ṣiṣawari
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
Itọsọna atẹle
Iwari nkan
Awọn ibeere ti a beere nigbagbogbo
What is Open-Vocabulary Object Detection?
Ṣiṣawari ohun-ọrọ-ọrọ jẹ ki awoṣe ki o wa ati apoti awọn nkan ti a ṣapejuwe nipasẹ ọrọ lainidii, pẹlu awọn ẹka ti ko ri ti akole lakoko ikẹkọ. O ṣe pataki nitori pe awọn aṣawari aṣa ti wa ni titiipa si atokọ ti o wa titi ti awọn kilasi, lakoko ti awọn awoṣe ṣiṣi-ọrọ le rii fere ohunkohun ti o le lorukọ.
Kini agbara asọye ti iṣawari ohun-ọrọ ṣiṣafihan?
Ṣiṣawari ọrọ-ọrọ le ṣe isọdi awọn ẹka ti a ṣalaye nipasẹ ọrọ ni akoko idanwo, paapaa awọn ti ko rii tẹlẹ pẹlu awọn apoti isọ.
Bawo ni awọn awoṣe wọnyi ṣe ṣe ipinlẹ agbegbe ti a rii?
Wọn ṣe akanṣe awọn agbegbe sinu aaye ifibọ ede iran ati baramu agbegbe kọọkan si ifibọ aami ọrọ to sunmọ.
Ohun ti pretraining awọn oluşewadi julọ jeki ìmọ-fokabulari erin?
Data ọrọ-aworan ti o tobi (bii lilo nipasẹ awọn awoṣe ara-CLIP) ṣe agbero aaye ifibọ pinpin ti o jẹ ki ọrọ ṣakopọ si awọn ẹka tuntun.
Ẹya paati wo ni o rọpo ni akawe pẹlu aṣawari ti a ṣeto-pipade?
Dipo awọn olutọpa iwuwo kilasi ti o wa titi, isọdi nlo ibajọra si awọn ifibọ ọrọ, nitorinaa awọn okun aami tuntun le ṣafikun ni akoko idanwo.
Ewo ninu iwọnyi jẹ apẹẹrẹ ṣiṣi-fokabulari tabi awoṣe wiwa ilẹ?
Grounding DINO, pẹlu GLIP, OWL-ViT, ViLD, ati Detic, jẹ awọn asọye-ìmọ-ọrọ-ìmọ tabi awọn aṣawari ilẹ.