İş Yazılımı

Nvidianın STEAL AIsi bilgisayarla görme modelleri için daha iyi çıkarım desteği sağlıyor

Nvidia, Toronto Üniversitesi ve Toronto'daki Vektör Yapay Zeka Enstitüsü'nden bilgisayar bilimi araştırmacıları, bir nesnenin nerede başlayıp nerede başladığını daha doğru bir şekilde tespit etmek ve tahmin etmek için bir yol geliştirdiler.

Nvidia, Toronto Üniversitesi ve Toronto'daki Vektör Yapay Zeka Enstitüsü'nden bilgisayar bilimi araştırmacıları, bir nesnenin nerede başlayıp nerede başladığını daha doğru bir şekilde tespit etmek ve tahmin etmek için bir yol geliştirdiler. Bu tür bilgiler, mevcut bilgisayarlı görme modelleri için çıkarımların geliştirilmesine yardımcı olabilir ve aynı zamanda gelecekteki modeller için eğitim verileri etiketlemeyi de destekleyebilir.

Araştırma ekibi tarafından yapılan bir dizi deneyde bilim insanları, yapay zeka modeli Anlamsal Olarak İnceltilmiş Kenar Hizalama Öğrenmenin (STEAL), "anlamsal sınır" tahmin modelinin doğruluğunu artırmaya yardımcı olabileceğini buldu. " Modern CASENet %4 oranında artış gösterdi. Bir nesnenin sınırlarını ve kenarlarını daha doğru bir şekilde tanımlama yeteneği, görüntü oluşturmadan 3 boyutlu alanın yeniden yapılandırılmasına kadar bilgisayarlı görme görevlerinde nesneleri algılamak için pratik uygulamalara sahip olabilir.

Nvidia'nın STEAL AI'si bilgisayarla görme modelleri için daha iyi çıkarım desteği sağlıyorAnlamsal Olarak İnceltilmiş Kenar Hizalama Öğrenme (STEAL)

STEAL, mevcut CNN'leri veya nesne kenarı algılama modellerini geliştirmek için uygulanabilir, ancak araştırmacılar aynı zamanda bilgisayarlı görme modellerinde verileri daha etkili bir şekilde etiketlemelerine veya açıklama eklemelerine de yardımcı olabileceğine inanıyor. Bu noktayı kanıtlamak için bilim insanları, ilk kez 2016 yılında Bilgisayarlı Görme ve Desen Tanıma (CVPR) adlı Makine Görme konferansında tanıtılan kentsel çevreyle ilgili içeriğe sahip bir veri kümesi olan Şehir Manzaralarını iyileştirmek için STEAL yöntemini kullandılar.

Şu anda GitHub'da bulunan STEAL çerçevesi, araştırmacıların "aktif hizalama" olarak adlandırdığı bir yöntemi kullanarak bir nesnenin her köşesini piksel cinsinden nispeten doğru bir şekilde öğrenip tahmin edebiliyor. Eğitim sırasında açıklama gürültüsü hakkında açık akıl yürütme ve önyargılı etiket temsillerinden uçtan uca öğrenmede sinir ağları için seviye belirleme formülleri de sonuçların üretilmesine yardımcı olur.

Nvidia'nın STEAL AI'si bilgisayarla görme modelleri için daha iyi çıkarım desteği sağlıyorBir nesnenin sınırlarını ve kenarlarını daha doğru bir şekilde tanımlama yeteneği

Bir araştırma ekibi temsilcisi, arXiv haber sitesiyle yaptığı derinlemesine bir röportajda, "Ayrıca, tahmin sınırlarımızın, yalnızca Mimari çok daha hafif kullanıldığında, en son DeepLab-v3 segmenti çıktılarından elde edilenlerden daha iyi performans gösterdiğini gösteriyoruz" dedi .

Bu araştırma çalışmasının başlığı: "Şeytan Kenarlarda: Gürültülü Ek Açıklamalardan Semantik Sınırları Öğrenmek" ve Long Beach, Kaliforniya'da gerçekleşecek CVPR 2019 konferansı çerçevesinde bir sunum aracılığıyla geniş çapta tanıtılacak. Nvidia Research'ten uzmanlar bu araştırmaya önemli katkılarda bulundular ve ayrıca bu yılki CVPR'de araştırmayı kişisel bir bakış açısıyla özel olarak sunacaklar.

Nvidia'nın STEAL AI'si bilgisayarla görme modelleri için daha iyi çıkarım desteği sağlıyor

Yeni çıkan haberlere göre Nvidia, 2020 yılında İngiliz üretici Arm'ın yüksek performanslı bilgi işlem donanım sistemlerini ve daha fazla özelleştirmeye olanak sağlamak için Github üzerinde açık kaynaklı TensorRT ayrıştırma çıkarım yazılımını destekleyeceğini söyledi .

More in İş Yazılımı