HyperAIHyperAI

Command Palette

Search for a command to run...

إسقاط النقاط على المحاور: كشف الكائنات الموجهة عبر تمثيل النقطة-المحور

Zeyang Zhao Qilong Xue Yuhang He Yifan Bai Xing Wei Yihong Gong

الملخص

يُقدّم هذا البحث تمثيلًا نقطيًا-محوريًا للكشف عن الكائنات الموجهة، مع التركيز على مرونته وطبيعته الهندسية الواضحة، ويتكوّن من مكوّنين رئيسيين: النقط والمحاور. 1) تُحدّد النقط التمدد المكاني وحدود الكائنات، مما يوفر وصفًا دقيقًا للشكل. 2) تُعرّف المحاور الاتجاهات الرئيسية للكائنات، وتوفر إشارات توجيهية حيوية تُعدّ أساسية للكشف الدقيق. يُفصل تمثيل النقطة-المحور بين الموقع والدوران، ويُعالج مشكلة عدم الاستمرارية في الخسارة التي تُواجهها غالبًا الطرق التقليدية القائمة على المربعات المحيطة. ولتحقيق تحسين فعّال دون إدخال ملاحظات إضافية، نقترح خسارة التصوير الأقصى (max-projection loss) لدعم تعلّم مجموعة النقاط، وخسارة المحور المتقاطع (cross-axis loss) لتعزيز تعلّم تمثيل المحور بشكل موثوق. علاوةً على ذلك، وباستخدام هذا التمثيل، نقدّم نموذج Oriented DETR، الذي يدمج بسلاسة إطار DETR لتنبؤ دقيق بالنقط والمحاور، والكشف من النهاية إلى النهاية. أظهرت النتائج التجريبية تحسينات كبيرة في الأداء في مهام الكشف عن الكائنات الموجهة.


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
إسقاط النقاط على المحاور: كشف الكائنات الموجهة عبر تمثيل النقطة-المحور | مستندات | HyperAI