STEAL AI от Nvidia обеспечивает лучшую поддержку вывода для моделей компьютерного зрения

Исследователи компьютерных наук из Nvidia, Университета Торонто и Института искусственного интеллекта Вектор в Торонто разработали способ более точно определять и предсказывать, где начинается и заканчивается объект. Подобные знания могут помочь улучшить выводы для текущих моделей компьютерного зрения, а также поддерживать маркировку обучающих данных для будущих моделей.

В серии экспериментов исследовательской группы ученые обнаружили, что модель искусственного интеллекта Semanticly Thinned Edge Alignment Learning (STEAL) может помочь повысить точность модели прогнозирования «семантической границы». Способность более точно идентифицировать границы и края объекта может иметь практическое применение в задачах компьютерного зрения, от генерации изображений до трехмерной реконструкции пространства, для обнаружения объектов.

• Пять гениев в области искусственного интеллекта объединились, чтобы создать удивительных роботов

Обучение выравниванию семантически утонченных краев (STEAL)

STEAL можно применять для улучшения существующих CNN или моделей обнаружения границ объектов, но исследователи также полагают, что он также может помочь им более эффективно маркировать или аннотировать данные в моделях компьютерного зрения. Чтобы доказать эту точку зрения, ученые использовали метод STEAL для уточнения Cityscapes — набора данных с контентом, связанным с городской средой — впервые представленного на конференции Machine Vision Computer Vision and Pattern Recognition (CVPR) в 2016 году.

В настоящее время на GitHub фреймворк STEAL может относительно точно изучать и прогнозировать каждый угол объекта в пикселях, используя метод, который исследователи называют «активным выравниванием». Явные рассуждения о шуме аннотаций во время обучения и формулы установки уровней для нейронных сетей при обучении на основе смещенных представлений меток сквозным способом также помогают получить результаты.

• MIT стремится разработать модель искусственного интеллекта, которая сможет водить машину почти как человек

Способность более точно определять границы и края объекта.

«Мы также показываем, что наши границы прогнозирования превосходят границы, полученные на основе последних результатов сегмента DeepLab-v3, при этом мы используем только архитектуру, которая намного легче», — сказал представитель исследовательской группы в подробном интервью новостному сайту arXiv.

Эта исследовательская работа называется: «Дьявол на грани: изучение семантических границ из зашумленных аннотаций» и будет широко представлена ​​через презентацию в рамках конференции CVPR 2019, проходящей в Лонг-Бич, Калифорния. Эксперты из Nvidia Research внесли значительный вклад в это исследование, а также представят исследование с личной точки зрения на CVPR в этом году.

• Японский искусственный интеллект создал суперреалистичные виртуальные манекенщицы

Согласно недавно опубликованным новостям, Nvidia заявила, что в 2020 году будет поддерживать высокопроизводительные компьютерные аппаратные системы от британского производителя Arm, а также программное обеспечение для синтаксического анализа TensorRT с открытым исходным кодом на Github , чтобы обеспечить больше возможностей настройки.