{Cristian Sminchisescu Andrei Zanfir}

الملخص
يُعدّ مشكلة المطابقة الرسومية تحت قيود على العقد والزوجية أساسية في مجالات متنوعة مثل التحسين التوافقي، والتعلم الآلي، ورؤية الحاسوب، حيث يُعد تمثيل العلاقات بين العقد وهيكل جيرانها أمرًا بالغ الأهمية. نقدّم نموذجًا من الطرف إلى الطرف يمكّن من تعلّم جميع المعاملات الخاصة بعملية مطابقة الرسوم، بما في ذلك الجيران الفردية والزوجية للعقد، والتي تمثل بسلسلة من استخلاص الميزات العميقة. ويكمن التحدي في صياغة طبقات الحساب المصفوفي المختلفة في النموذج بطريقة تسمح بنقل متسق وفعال للدرجات عبر كل خطوة في السلسلة الكاملة، بدءًا من دالة الخسارة، مرورًا بطبقة التحسين التوافقي التي تحلّ مشكلة المطابقة، ووصولًا إلى هرمية استخلاص الميزات. تُظهر تجاربنا في مجال رؤية الحاسوب ودراسات التحليل التجريبي على مجموعات بيانات صعبة مثل PASCAL VOC للنقاط المميزة، وSintel، وCUB، أن النماذج التي تم تحسينها من الطرف إلى الطرف تتفوّق على النماذج البديلة التي تعتمد على هرميات ميزات تم تدريبها لمشاكل أخرى.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| graph-matching-on-pascal-voc | GMN | matching accuracy: 0.6240 |
| graph-matching-on-willow-object-class | GMN | matching accuracy: 0.7934 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.