|
Cnn-ga asoslangan yondashuv Ko'p miqyosli xususiyatni ajratib olish moduli
|
| bet | 3/8 | | Sana | 09.03.2023 | | Hajmi | 224.12 Kb. | | #44722 |
Bog'liq Convolution 33934.pptx, Фaхриддин фикрнома, JAMIYAT VA SHAXS PSIXOLOGIYA, Asliddin Hoshimov, web sahifa web sayt va web dizayn tu, KEYS (2)2. Tegishli ish
So'nggi yillarda ko'plab tadqiqotlar olomonni hisoblash muammosini ko'rib chiqdi va bu vazifani hal qilish uchun taklif qilingan algoritmlar. Ular an'anaviy usullar va CNN-ga asoslangan usullarga keng toifaga bo'linishi mumkin.
2.1. An'anaviy yondashuv
Olomonni hisoblash bo'yicha dastlabki ishlar aniqlashga asoslangan usullarga qaratilgan Ulardan ba'zilari olomonni oddiy aniqlash va yig'ish jarayonidan foydalangan holda aniqlangan individual piyodalar guruhi deb hisoblashgan. Boshqalar esa olomonni hisoblash muammosini ob'ektni aniqlash muammosi sifatida hal qilishdi va ularni sanash uchun olomon tasvirlarida odamlarni topish uchun tanadan yoki uning qismlaridan foydalanishdi. Biroq, zich olomon sahnalarida, bu aniqlashga asoslangan usullar jiddiy tiqilib qolish va fon tartibsizliklari bilan cheklangan. Juda tiqilib qolgan sahnalar tasvirlarini qayta ishlash uchun regressiyaga asoslangan yondashuvlar taklif qilindi. Ular tasvirning xususiyatlaridan tortib to zichlik xaritalariga yoki ma'lum bir qator ob'ektlarga to'g'ridan-to'g'ri xaritalashni o'rganishni o'z ichiga oldi. Shu kabi yondashuvlardan foydalangan holda, da, Idrees va boshqalar. Furye tahlili, boshni aniqlash va mahalliy yamoqlarda miqyosda o'zgarmas xususiyatni o'zgartirish yordamida olingan xususiyatlarni birlashtiradigan usulni taklif qildi. Ushbu regressiyaga asoslangan usullar olomondagi odamlarning global sonini taxmin qilishi mumkin, ammo tasvirlardagi fazoviy ma'lumotlarni e'tiborsiz qoldiradi. da topish mumkin .
2.2. CNN-ga asoslangan yondashuv
CNN-ga asoslangan turli usullar taklif qilingan va olomonni hisoblash vazifalarida ajoyib muvaffaqiyatlarga erishgan. Ularning aksariyati olomon tasvirlarining keng ko'lamli o'zgarishlariga bag'ishlangan. mualliflari olomonni hisoblash uchun ilgari taklif qilingan CNN-ga asoslangan usullarni umumlashtirdilar. Olomon sahnalaridagi keng ko'lamli o'zgarishlarni engish uchun Chjan va boshqalar. yadro hajmi bo'yicha xususiyatlarni ajratib olish uchun oddiy va samarali ko'p ustunli tuzilmani taklif qildi. Xuddi shunday, da ko'p miqyosli model, hydra-CNN, Onoro va Sastre tomonidan turli masshtablarda tasvir xususiyatlarini olish uchun taklif qilingan. Cao va boshqalar. kodlovchi sifatida masshtabli yig'ish modullaridan foydalanadigan SANet deb nomlangan kodlovchi-dekoder tarmog'ini taklif qildi. Bu usul vakillik qobiliyatini va xususiyatlar shkalasining xilma-xilligini yaxshilashi mumkin. Yaqinda Vang va ResNet-101 asosida fazoviy kontekstual ma'lumotlarni kodlash uchun SFCN deb nomlangan tarmoqni yaratdi . O'lchov o'zgarishi muammosi kengaygan yadrolar ko'p miqyosli birlashtiruvchi qatlamlar bir nechta dekodlash yo'llari va ko'p miqyosli pastdan yuqoriga va yuqoridan pastga xususiyatni birlashtirish kabi ma'lum texnikalar bilan hal qilinishi mumkin.
Yuqoridagi tadqiqotlar shuni ko'rsatadiki, CNN-ga asoslangan echimlar olomonni hisoblashning an'anaviy usullaridan ustun turishi mumkin. Shunday qilib, biz metro platformasiga taalluqli bo'lganidek, muammoni hal qilish uchun qatlamlarni birlashtiruvchi va kengaytirilgan konvolyutsiya bilan CNN-ga asoslangan tarmoqni taklif qilamiz .
|
| |
