نقدم خوارزمية SNIPER، وهي مصممة لأداء التدريب متعدد المقاييس بكفاءة في مهام التعرف البصري على مستوى النموذج. بدلاً من معالجة كل بيكسل في هرم الصور، تقوم SNIPER بمعالجة المناطق السياقية حول النماذج الحقيقية (المشار إليها باسم الشرائح) بالمقاس المناسب. بالنسبة لعينات الخلفية، يتم إنشاء هذه المناطق السياقية باستخدام اقتراحات مستخرجة من شبكة اقتراح المناطق التي تم تدريبها بمخطط تعلم قصير. لذلك، يتغير عدد الشرائح المُنشأ لكل صورة أثناء التدريب بشكل تكيفي بناءً على تعقيد المشهد. تتعامل SNIPER مع 30% فقط من البيكسلات الإضافية مقارنة بالتدريب بمقياس واحد عند 800x1333 بيكسل على مجموعة بيانات COCO. ومع ذلك، فإنها أيضًا تلاحظ العينات من الدقة المتطرفة لهرم الصور، مثل 1400x2000 بيكسل.بما أن SNIPER تعمل على شرائح ذات دقة منخفضة تم إعادة عينتها (512x512 بيكسل)، يمكن لها استخدام حجم دفعة يصل إلى 20 على وحدة معالجة الرسومات الواحدة حتى مع وجود هيكل ResNet-101. وبالتالي يمكنها الاستفادة من التطبيع بالدفعة أثناء التدريب دون الحاجة إلى تنسيق إحصائيات التطبيع بالدفعة عبر وحدات المعالجة الرسومية. تقترح SNIPER أن التدريب على مهام التعرف البصري على مستوى النموذج، مثل الكشف عن الأشياء، يمكن أن يقترب أكثر من البروتوكول المستخدم في تصنيف الصور، وتشير إلى أن الإرشاد الشائع بأن من الضروري تدريب الصور عالية الدقة لهذه المهام قد لا يكون صحيحًا.تنفيذنا القائم على خوارزمية Faster-RCNN مع هيكل ResNet-101 حقق نسبة mAP قدرها 47.6% على مجموعة بيانات COCO للكشف عن صناديق الحدود ويمكنه معالجة 5 صور في الثانية أثناء الاستدلال باستخدام وحدة معالجة الرسومات الواحدة. يمكن الوصول إلى الكود عبر الرابط: https://github.com/MahyarNajibi/SNIPER/.