يوفر STEAL AI من Nvidia دعمًا أفضل للاستدلال لنماذج رؤية الكمبيوتر

ابتكر باحثون في علوم الكمبيوتر من Nvidia وجامعة تورنتو ومعهد Vector للذكاء الاصطناعي في تورونتو طريقة للكشف والتنبؤ بشكل أكثر دقة بمكان بداية الجسم وانتهاءه. يمكن أن يساعد هذا النوع من المعرفة في تحسين الاستدلال لنماذج رؤية الكمبيوتر الحالية، مع دعم أيضًا تصنيف بيانات التدريب للنماذج المستقبلية.

وفي سلسلة من التجارب التي أجراها فريق البحث، وجد العلماء أن نموذج الذكاء الاصطناعي لتعلم محاذاة الحواف الرقيقة دلاليًا (STEAL) يمكن أن يساعد في تحسين دقة نموذج التنبؤ "بالحدود الدلالية". وزادت CASENet الحديثة بنسبة 4%. إن القدرة على تحديد حدود وحواف جسم ما بشكل أكثر دقة يمكن أن يكون لها تطبيقات عملية لمهام الرؤية الحاسوبية، بدءًا من توليد الصور وحتى إعادة بناء الفضاء ثلاثي الأبعاد لاكتشاف الأشياء.

• 5 عقول عبقرية في مجال الذكاء الاصطناعي تتعاون لإنشاء روبوتات مذهلة

تعلم محاذاة الحواف الرقيقة لغويًا (STEAL)

يمكن تطبيق STEAL لتحسين شبكات CNN الحالية أو نماذج الكشف عن حافة الكائن، لكن الباحثين يعتقدون أيضًا أنه يمكن أن يساعدهم أيضًا في تصنيف البيانات أو التعليق عليها بشكل أكثر فعالية. ولإثبات هذه النقطة، استخدم العلماء طريقة STEAL لتحسين مناظر المدينة - وهي مجموعة بيانات ذات محتوى يتعلق بالبيئة الحضرية - تم تقديمها لأول مرة في مؤتمر الرؤية الآلية والتعرف على الأنماط (CVPR) في عام 2016.

حاليًا على GitHub ، يمكن لإطار عمل STEAL أن يتعلم ويتنبأ بكل ركن من أركان الكائن بالبكسل بدقة نسبيًا باستخدام طريقة يسميها الباحثون "المحاذاة النشطة". إن التفكير الصريح حول ضجيج التعليقات التوضيحية أثناء التدريب، وصيغ تحديد المستوى للشبكات العصبية في التعلم من تمثيلات التسمية المتحيزة بطريقة شاملة تساعد أيضًا في تحقيق النتائج.

• يسعى معهد ماساتشوستس للتكنولوجيا إلى تطوير نموذج ذكاء اصطناعي يمكنه القيادة مثل الإنسان تقريبًا

القدرة على تحديد حدود وحواف الكائن بدقة أكبر

وقال ممثل فريق البحث في مقابلة متعمقة مع موقع arXiv الإخباري: "لقد أظهرنا أيضًا أن حدود التنبؤ لدينا تتفوق على تلك التي تم الحصول عليها من أحدث مخرجات شريحة DeepLab-v3، بينما استخدام البنية أخف بكثير فقط" .

يحمل هذا العمل البحثي عنوان: "الشيطان في الحواف: تعلم الحدود الدلالية من الحواشي الصاخبة"، وسيتم تقديمه على نطاق واسع من خلال عرض تقديمي في إطار مؤتمر CVPR 2019 المنعقد في لونج بيتش، كاليفورنيا. لقد ساهم خبراء Nvidia Research بشكل كبير في هذا البحث، وسيقدمون أيضًا البحث على وجه التحديد من منظور شخصي في CVPR لهذا العام.

• ابتكر الذكاء الاصطناعي الياباني عارضات أزياء افتراضية فائقة الواقعية

وفقًا للأخبار الواردة حديثًا، قالت Nvidia إنها ستدعم أنظمة أجهزة الحوسبة عالية الأداء من الشركة المصنعة البريطانية Arm في عام 2020، وبرنامج الاستدلال التحليلي TensorRT مفتوح المصدر على Github للسماح بمزيد من التخصيص.