شبكة تجميع المسارات لتقسيم النماذج

طريقة انتشار المعلومات في الشبكات العصبية لها أهمية كبيرة. في هذا البحث، نقترح شبكة تجميع المسارات (Path Aggregation Network - PANet) بهدف تعزيز تدفق المعلومات في إطار تقسيم النماذج المقترحة. بشكل خاص، نعزز الهرم الكامل للخصائص بإشارات تحديد موقع دقيقة في الطبقات السفلية من خلال زيادة المسار من الأسفل إلى الأعلى، مما يقلل المسافة بين الطبقات السفلية والطبقة العليا للخصائص. نقدم عملية تجميع الخصائص التكيفية، التي تربط شبكة الخصائص وجميع مستويات الخصائص لجعل المعلومات المفيدة في كل مستوى من الخصائص تتواصل مباشرة مع شبكات المقترحات اللاحقة. يتم إنشاء فرع مكمل يلتقط وجهات نظر مختلفة لكل مقترح لتحسين التنبؤ بالقناع بشكل أكبر. هذه التحسينات بسيطة التنفيذ وتتضمن تكلفة حسابية إضافية طفيفة. حققت شبكتنا PANet المركز الأول في مهمة تقسيم النماذج بموجب تحدي COCO 2017 بدون استخدام التدريب بالLots كبيرة، كما حققت المركز الثاني في مهمة الكشف عن الأشياء. كما أنها تعتبر أفضل التقنيات الحالية على MVD و Cityscapes. يمكن الحصول على الرمز البرمجي من الرابط: https://github.com/ShuLiu1993/PANet注释：在阿拉伯语中，“large-batch training”被翻译为“التدريب بالLots كبيرة”，其中“Lots”是音译，以保持术语的专业性和准确性。然而，更常见的翻译可能是“التدريب بدفعات كبيرة”。根据您的偏好，可以进行相应的调整。