Розроблена нова структура ШІ для технології виявлення цілей

Дослідники з Інституту фізичних наук Хефей (HFIPS) Академії наук Китаю (CAS) запропонували нову структуру штучного інтелекту для виявлення цілей, яка забезпечує нове рішення для швидкого та високоточного онлайн-виявлення цілей у реальному часі.

В останні роки теорія глибокого навчання сприяла швидкому розвитку технологій штучного інтелекту. Технологія виявлення об’єктів, заснована на теорії глибокого навчання, також успішна в багатьох промислових застосуваннях. Поточні дослідження зосереджені на покращенні швидкості та точності виявлення цілей і не беруть до уваги ефективність і точність. Як досягти швидкого і точного виявлення об’єктів стало важливою проблемою в галузі штучного інтелекту.

У цьому дослідженні дослідники виявили, що один із головних недоліків технології виявлення цілей, заснованої на глибокому навчанні, полягав у повторюваному виділенні ознак і об’єднанні глибоких мережевих структур, що призводить до непотрібних обчислювальних витрат.

Таким чином, вони запропонували структуру розпізнавання цілі з кількома входами та одним виходом (MiSo), яка відрізняється від традиційної моделі з декількома входами та декількома виходами та зменшує складність моделі та витрати часу на висновки.

Крім того, згідно з цією структурою, на основі теорії виявлення eRF, запропонованої раніше, дослідники розробили три нові механізми навчання для більш точного та ефективного вилучення інформації про гарячі точки, якими були механізм налаштування сприйнятливого поля, механізм самонавчання залишкової уваги та eRF- заснована на стратегії вибірки динамічного балансу.

«Ми назвали їх M2YOLOF, — сказав Ван Хунцян, який очолював команду, — він виявляє об’єкти на одній карті об’єктів і добре працює з невеликими об’єктами. Він такий же швидкий, як YOLOF (You Only Look One-level Feature), але більш точний.»

Вони випробували це на тесті стандартного набору даних і досягли 39,2 середньої точності (AP) при швидкості 29 кадрів на секунду. Це на 2,6 AP вище, ніж що існує найсучасніший TridenNet-R50. Цей метод дає нову ідею для досліджень і промислового застосування виявлення цілей. Джерело