HyperAIHyperAI

Command Palette

Search for a command to run...

خسارة الطرد: كشف المشاة في الحشد

Xinlong Wang; Tete Xiao; Yuning Jiang; Shuai Shao; Jian Sun; Chunhua Shen

الملخص

اكتشاف المشاة الفرديين في الحشود لا يزال مشكلة صعبة، نظرًا لأن المشاة غالبًا ما يتجمعون معًا ويحجبون بعضهم البعض في السيناريوهات الواقعية. في هذا البحث، نستكشف أولاً كيف يمكن أن تتأثر أحدث تقنيات اكتشاف المشاة بحجب الحشد من خلال التجارب، مما يوفر رؤى حول مشكلة حجب الحشد. ثم، نقترح خسارة انحدار حدود الصورة الجديدة مصممة خصيصًا لل-scenes الجماعية، والتي تُسمى الخسارة الدافعة (repulsion loss). تُحرك هذه الخسارة دافعين اثنين: الجذب نحو الهدف والدفع بعيدًا عن الأشياء المحيطة الأخرى. يمنع المصطلح الدافع الاقتراح من الانزياج نحو الأشياء المحيطة، مما يؤدي إلى تحديد موقع أكثر متانة في الحشود. كاشفنا الذي تم تدريبه باستخدام الخسارة الدافعة يتفوق على جميع الأساليب الرائدة بميزة كبيرة في حالات الحجب.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp