來(lái)自英偉達(dá)(Nvidia)、多倫多大學(xué)(University of Toronto)和多倫多矢量人工智能研究所(Vector Institute for Artificial Intelligence)的研究人員設(shè)計(jì)了一種方法，可以更精確地探測(cè)和預(yù)測(cè)物體的起點(diǎn)和終點(diǎn)。這些知識(shí)可以改進(jìn)現(xiàn)有計(jì)算機(jī)視覺(jué)模型的推理，并為未來(lái)的模型標(biāo)記訓(xùn)練數(shù)據(jù)。
在研究人員的實(shí)驗(yàn)中，語(yǔ)義細(xì)化的邊緣對(duì)齊學(xué)習(xí)(steal)能夠?qū)⒆钕冗M(jìn)的casenet語(yǔ)義邊界預(yù)測(cè)模型的精度提高4%。更精確地識(shí)別物體的邊界可以應(yīng)用于計(jì)算機(jī)視覺(jué)任務(wù)，從圖像生成到三維重建到物體檢測(cè)。
STEAL可用于改進(jìn)現(xiàn)有的CNNs或邊界檢測(cè)模型，但研究人員還認(rèn)為它可以幫助他們更有效地標(biāo)記或注釋計(jì)算機(jī)視覺(jué)模型的數(shù)據(jù)。為證明這一點(diǎn)，STEAL方法用于改進(jìn)城市景觀，這是2016年首次在計(jì)算機(jī)視覺(jué)和模式識(shí)別(CVPR)會(huì)議上引入的城市環(huán)境數(shù)據(jù)集。
在GitHub上，STEAL框架以像素為單位學(xué)習(xí)和預(yù)測(cè)對(duì)象邊緣，研究人員稱之為“主動(dòng)對(duì)齊”。“在訓(xùn)練過(guò)程中對(duì)注釋噪聲進(jìn)行明確的推理，以及為網(wǎng)絡(luò)提供一個(gè)從端到端排列不當(dāng)?shù)臉?biāo)簽中學(xué)習(xí)的分級(jí)公式，也有助于產(chǎn)生結(jié)果?！?/p>
a&s傳媒是全球知名展覽公司法蘭克福展覽集團(tuán)旗下的專業(yè)媒體平臺(tái)，自1994年品牌成立以來(lái)，一直專注于安全&自動(dòng)化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場(chǎng)趨勢(shì)的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國(guó)際行業(yè)展覽會(huì)資源以及豐富的媒體經(jīng)驗(yàn)，提供媒體、活動(dòng)、展會(huì)等整合營(yíng)銷服務(wù)。
粵公網(wǎng)安備 44030402000264號(hào)
