HyperAIHyperAI

Command Palette

Search for a command to run...

منذ 4 أشهر

LDC: شبكة عصبية متعددة الطبقات كثيفة خفيفة الوزن للكشف عن الحواف

{Angel Domingo Sappa Gonzalo Pomboza-Junez Xavier Soria Poma}

الملخص

تقدم هذه الورقة شبكة عصبية مُدمجة كثيفة خفيفة الوزن (LDC) للكشف عن الحواف. إن النموذج المقترح هو تكيّف لنهجَين حديثين متقدّمين، لكنه يحتاج إلى أقل من 4% من المعاملات مقارنةً بهذه النهجين. تُنتج البنية المُقترحة خرائط حواف رفيعة، وتُحقّق أعلى درجة (أي ODS) مقارنةً بالنماذج الخفيفة الوزن (النماذج التي تمتلك أقل من مليون معامل)، كما تُظهر أداءً مشابهًا للنماذج الثقيلة (النماذج التي تمتلك حوالي 35 مليون معامل). وتُقدّم الورقة نتائج كمية ونوعية، بالإضافة إلى مقارنات مع النماذج الرائدة في المجال، باستخدام مجموعات بيانات مختلفة للكشف عن الحواف. لا يستخدم النموذج LDC المقترح أوزانًا مُدرّبة مسبقًا، ويحتاج إلى إعدادات بسيطة للبارامترات الفائقة. تم إتاحة الشيفرة المصدرية على الرابط: https://github.com/xavysp/LDC.

المعايير القياسية

معيار قياسيالمنهجيةالمقاييس
edge-detection-on-biped-1LDC
Number of parameters (M): 674K
ODS: 0.889
edge-detection-on-brindLDC
Number of parameters (M): 674K
ODS: 0.790
edge-detection-on-mdbdLDC
Number of parameters (M): 674K
ODS: 0.880
edge-detection-on-udedLDC
ODS: 0.817

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.

البرمجة المشتركة بالذكاء الاصطناعي
وحدات معالجة رسومات جاهزة
أفضل الأسعار
ابدأ الآن

Hyper Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
LDC: شبكة عصبية متعددة الطبقات كثيفة خفيفة الوزن للكشف عن الحواف | الأوراق البحثية | HyperAI