STEAL AI da Nvidia oferece melhor suporte de inferência para modelos de visão computacional

Pesquisadores de ciência da computação da Nvidia, da Universidade de Toronto e do Vector Institute of Artificial Intelligence em Toronto desenvolveram uma maneira de detectar e prever com mais precisão onde um objeto começa e termina. Esse tipo de conhecimento pode ajudar a melhorar a inferência para os modelos atuais de visão computacional, ao mesmo tempo que apoia a rotulagem de dados de treinamento para modelos futuros.

Em uma série de experimentos da equipe de pesquisa, os cientistas descobriram que o modelo de inteligência artificial Semanticalmente Thinned Edge Alignment Learning (STEAL) pode ajudar a melhorar a precisão do modelo de previsão de “limite semântico”. ” O CASENet moderno aumentou 4%. A capacidade de identificar com mais precisão os limites e bordas de um objeto pode ter aplicações práticas para tarefas de visão computacional, desde a geração de imagens até a reconstrução do espaço 3D.

• 5 mentes geniais no campo da IA ​​unem as mãos para criar robôs incríveis

Aprendizagem de alinhamento de borda semanticamente afinada (STEAL)

O STEAL pode ser aplicado para melhorar CNNs existentes ou modelos de detecção de bordas de objetos, mas os pesquisadores também acreditam que também pode ajudá-los a rotular ou anotar dados de maneira mais eficaz. Para provar este ponto, os cientistas usaram o método STEAL para refinar Cityscapes – um conjunto de dados com conteúdo relacionado ao ambiente urbano – apresentado pela primeira vez na conferência Machine Vision Computer Vision and Pattern Recognition (CVPR) em 2016.

Atualmente no GitHub , a estrutura STEAL pode aprender e prever cada canto de um objeto em pixels com relativa precisão usando um método que os pesquisadores chamam de “alinhamento ativo”. O raciocínio explícito sobre o ruído de anotação durante o treinamento e as fórmulas de definição de nível para redes neurais no aprendizado de representações de rótulos tendenciosas de ponta a ponta também ajudam a produzir resultados.

• O MIT se esforça para desenvolver um modelo de IA que possa dirigir quase como um ser humano

Capacidade de identificar com mais precisão os limites e bordas de um objeto

“Mostramos ainda que nossos limites de previsão superam aqueles obtidos nos resultados mais recentes do segmento DeepLab-v3, enquanto usamos apenas a arquitetura é muito mais leve”, disse um representante da equipe de pesquisa em uma entrevista detalhada ao site de notícias arXiv.

Este trabalho de pesquisa é intitulado: "Devil is in the Edges: Learning Semantic Boundaries from Noisy Annotations", e será amplamente apresentado através de uma apresentação no âmbito da conferência CVPR 2019 que acontece em Long Beach, Califórnia. Especialistas da Nvidia Research deram uma contribuição significativa para esta pesquisa e também apresentarão especificamente a pesquisa de uma perspectiva pessoal no CVPR deste ano.

• A inteligência artificial japonesa criou modelos de moda virtuais super-realistas

De acordo com notícias recentemente divulgadas, a Nvidia disse que oferecerá suporte a sistemas de hardware de computação de alto desempenho do fabricante britânico Arm em 2020 e software de inferência de análise de código aberto TensorRT no Github para permitir mais personalização.