HyperAIHyperAI

Command Palette

Search for a command to run...

الكشف الثنائي المرحلة الاحتمالي

Xingyi Zhou Vladlen Koltun Philipp Krähenbühl

الملخص

نطور تفسيرًا احتماليًا للكشف عن الكائنات ثنائي المرحلة. نُظهر أن هذا التفسير الاحتمالي يُبرر عددًا من الممارسات التدريبية الشائعة بشكل تجريبي، كما يقترح تحسينات على أنماط الكشف ثنائية المرحلة. وبشكل خاص، ينبغي أن تستنتج المرحلة الأولى احتمالات مناسبة للكائن مقابل الخلفية، والتي ينبغي أن تُستخدم بعدها لتقييم الدرجة الإجمالية للكاشف. لا يمكن لشبكة اقتراح المناطق القياسية (RPN) استنتاج هذه الاحتمالات بكفاءة كافية، لكن العديد من الكواشف أحادية المرحلة قادرة على ذلك. نُظهر كيف يمكن بناء كاشف ثنائي المرحلة احتمالي من أي كاشف أحادي المرحلة متطور. تُظهر النتائج أن الكواشف الناتجة أسرع وأكثر دقة من كل من مُسبقيها أحادية وثنائية المرحلة. ويحقق الكاشف المُطوّر 56.4 نقطة mAP على مجموعة اختبار COCO مع الاختبار بمقاييس مفردة، متفوّقًا على جميع النتائج المنشورة حتى الآن. وباستخدام هيكل خفيف الوزن، يحقق الكاشف 49.2 نقطة mAP على COCO بسرعة 33 إطارًا في الثانية على بطاقة Titan Xp، متفوّقًا على النموذج الشهير YOLOv4.


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
الكشف الثنائي المرحلة الاحتمالي | مستندات | HyperAI