HyperAIHyperAI

Command Palette

Search for a command to run...

MnasFPN: بناء هرمي يتعلم الاعتماد على التأخير للكشف عن الكائنات على الأجهزة المحمولة

Bo Chen Golnaz Ghiasi Hanxiao Liu Tsung-Yi Lin Dmitry Kalenichenko Hartwig Adams Quoc V. Le

الملخص

رغم النجاح المتنامِي لبحث البنية المعمارية في المهام البصرية في البيئات المحدودة الموارد، فإن تصميم هياكل كشف الكائنات المُدمجة في الأجهزة يظل في معظم الأحيان يعتمد على التصميم اليدوي. أما الجهود القليلة التي تناولت التصميم الآلي، فهي إما تركز على فضاءات بحث غير ملائمة للأجهزة المحمولة، أو لا تُرشد بواسطة زمن التأخير المُدمج في الجهاز. نقترح MnasFPN، وهو فضاء بحث مُصمم خصيصًا للأجهزة المحمولة لوحدة كشف الكائنات، ونُدمجه مع خوارزمية بحث مُستندة إلى زمن التأخير لإنتاج نماذج كشف كائنات فعّالة. تُظهر الوحدة المُتعلّمة من MnasFPN، عند دمجها مع جسم MobileNetV2، أداءً أفضل بنسبة 1.8 نقطة في mAP مقارنةً بـ MobileNetV3+SSDLite عند نفس زمن التأخير على جهاز Pixel. كما أنها أكثر دقة بنسبة 1.0 نقطة في mAP وأسرع بنسبة 10% مقارنةً بـ NAS-FPNLite. تُظهر الدراسات التحليلية أن معظم تحسين الأداء ناتج عن الابتكارات في تصميم فضاء البحث. كما تُشير الاستكشافات الإضافية إلى ترابط مثير للاهتمام بين تصميم فضاء البحث وخوارزمية البحث، وأن تعقيد فضاء البحث MnasFPN قد يكون عند حد أقصى محلي.


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
MnasFPN: بناء هرمي يتعلم الاعتماد على التأخير للكشف عن الكائنات على الأجهزة المحمولة | مستندات | HyperAI