HyperAIHyperAI

Command Palette

Search for a command to run...

كشف الطرق العميقة المعتمدة على البنية بسرعة فائقة

Zequn Qin Huanyu Wang Xi Li

الملخص

تُعتبر الطرق الحديثة في تحديد المسارات مشكلة تجزئة حسب البكسل، وهي تواجه صعوبات في معالجة السيناريوهات الصعبة والسرعة. مستوحاة من إدراك الإنسان، يعتمد التعرف على المسارات في حالات الاختناق الشديد والظروف الإضاءة القصوى بشكل رئيسي على المعلومات السياقية والعالمية. مستوحى من هذه الملاحظة، نقترح صيغة جديدة ومبسطة ولكنها فعالة، تهدف إلى سرعة فائقة وقابلية للتعامل مع السيناريوهات الصعبة. بشكل خاص، نعامل عملية كشف المسارات كمشكلة اختيار قائمة على الصفوف باستخدام الميزات العالمية. وباستخدام طريقة الاختيار حسب الصفوف، يمكن لتلك الصيغة تقليل تكلفة الحساب بشكل كبير. وباستخدام مجال استقبال واسع على الميزات العالمية، يمكننا أيضًا التعامل مع السيناريوهات الصعبة. علاوة على ذلك، استنادًا إلى هذه الصيغة، نقترح أيضًا خسارة هيكلية لتمثيل بنية المسارات بشكل صريح. أظهرت التجارب الواسعة على مجموعتي بيانات معيار لكشف المسارات أن طريقة العمل لدينا تحقق أداءً من الدرجة الأولى من حيث السرعة والدقة. كما يمكن لنسخة خفيفة الوزن تحقيق أكثر من 300 إطارًا في الثانية بنفس الدقة، وهي أسرع بمرات لا تقل عن 4 مرات مقارنة بالطرق السابقة من الدرجة الأولى. وسيتم إتاحة كودنا للجمهور بشكل علني.


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