CondNet: تصنيفية شرطية لتقسيم المشهد

لقد حققت الشبكة التلافيفية الكاملة (FCN) نجاحًا كبيرًا في المهام المتعددة للتعرف البصري الكثيف، مثل تقسيم المشاهد. غالبًا ما تكون الطبقة الأخيرة في FCN مصنفًا عالميًا (تلافيف 1x1) للتعرف على كل بكسل بعلامة دلالية. نوضح تجريبيًا أن هذا المصنف العالمي، الذي يتجاهل التمييز الداخلي للصورة، قد يؤدي إلى نتائج غير مثلى.في هذا العمل، نقدّم مصنفًا مشروطًا يُستبدل بالمصنف العالمي التقليدي، حيث يتم إنشاء نوى المصنف ديناميكيًا بناءً على المدخلات. تكمن المزايا الرئيسية لهذا المصنف الجديد في: (أ) التركيز على التمييز الداخلي للصورة، مما يؤدي إلى قدرة أقوى على التعرف الكثيف؛ (ب) بساطة وملاءمة المصنف المشروط، مما يسمح بدمجه بسهولة في معظم هياكل FCN لتحسين التنبؤ. أظهرت التجارب الواسعة أن المصنف المقترح يتفوّق على المصنف التقليدي في بنية FCN. يحقق الإطار المزود بالمصنف المشروط (الذي يُسمى CondNet) أداءً جديدًا في حالة الأداء الأفضل على مستويين من البيانات. يمكن الوصول إلى الكود والنماذج عبر الرابط: https://git.io/CondNet.