|
Cnn-ga asoslangan yondashuv Ko'p miqyosli xususiyatni ajratib olish moduli
|
| bet | 4/8 | | 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)3. Taklif etilayotgan usul
Ushbu bo'limda biz birinchi navbatda 2-rasmda ko'rsatilganidek, metro platformalarida (MP-CNN) olomonni hisoblash uchun taklif qilingan konvolyutsion neyron tarmog'ining arxitekturasini tanishtiramiz . Keyin biz ko'p miqyosli xususiyatlarni ajratib olish modulini (MFEM) va yer haqiqatini yaratish usulini muhokama qilamiz. Va nihoyat, biz taklif qilingan usulni o'qitishning tafsilotlarini tasvirlaymiz.
Shakl 2. Taklif etilayotgan metro platformasining konvolyutsion neyron tarmog'i (MP-CNN) arxitekturasi.
3.1. Arxitektura
Biz VGG-16 ning dastlabki 13 qatlamidan foydalanamiz xususiyatni ajratib olish uchun oldingi tarmoq va faqat 3 × 3 konvolyutsiya yadrosi sifatida. Biz ikkita sababga ko'ra VGG ni old tomon sifatida tanladik. Bir tomondan, u ajoyib xususiyatlarni ajratib olish qobiliyatiga va tasniflash vazifalari uchun kuchli uzatishni o'rganish qobiliyatiga ega; boshqa tomondan, VGG moslashuvchan arxitekturaga ega, bu esa zichlik xaritasini yaratish uchun orqa tarmoqqa ulanishni osonlashtiradi. Old tarmoqdagi bir qator konvolyutsiya qatlamlari va birlashtiruvchi qatlamlardan so'ng, chiqish xususiyati xaritasining o'lchami dastlabki kirishning 1/8 qismini tashkil qiladi. Agar biz ko'proq konvolyutsiya qatlamlari va birlashtiruvchi qatlamlarni yig'ishda davom etsak, chiqish xususiyati xaritasining o'lchami yanada kamayishi mumkin va yuqori sifatli zichlik xaritasini yaratish qiyin bo'ladi. Shuning uchun, oldingi qismda ishlov berilgandan so'ng, biz MFEMni joriy qildik, chiqish zichligi xaritasining o'lchamlarini saqlab, chuqurroq ma'lumot olishi mumkin. Kengaygan konvolyutsiyada ko'rsatilganUshbu modulda 3-rasm b ishlatiladi. Kengaygan konvolyutsion qatlamlar semantik segmentatsiya vazifalarida bashorat qilish aniqligini sezilarli darajada yaxshilashi ma'lum.
Shakl 3. Uchta konvolyutsiyani taqqoslash.
Xususiyatlarni ajratib olish jarayonida tasvirning past namunasi tufayli chiqish xususiyatining ruxsati kamayadi va u sezilarli tafsilotlarni yo'qotadi. Yuqori aniqlikdagi zichlik xaritasini olish uchun biz MFEM ishlatilgandan so'ng tasvirni yangilash uchun transpozitsiyalangan konvolyutsiyalar to'plamidan foydalanamiz. Transpoze qilingan konvolyutsiya oddiy konvolyutsiyaga mutlaqo teskari jarayon emas, balki maxsus konvolyutsiyadir. Tasvir hajmi dastlab ma'lum nisbatga muvofiq tasvirni 0 s bilan to'ldirish orqali kengaytiriladi. Keyin konvolyutsiya yadrosi aylantiriladi va 3-rasmda ko'rsatilganidek, oldinga siljish amalga oshiriladic. Oldingi usullardan farqli o'laroq, biz yuqori namuna olish uchun ikki chiziqli interpolyatsiya algoritmi o'rniga o'rganiladigan transpozitsiyalangan konvolyutsiyani tanladik. Transpozitsiyalangan konvolyutsiya ikki chiziqli interpolyatsiyadan farq qiladi, chunki u o'rganilishi mumkin bo'lgan parametrlarga ega, ya'ni u ikki chiziqli interpolyatsiyaga qaraganda ko'proq xususiyat ma'lumotlarini o'rganishi mumkin. O'tkazilgan konvolyutsiya qatlamlari tasvirning fazoviy o'lchamlarini tiklash uchun ishlatiladi. Har bir ko'chirilgan konvolyutsiya qatlami oldingi maksimal yig'ish qatlamiga mos keladigan xususiyat xaritasining hajmini ikki baravar oshiradi. Kirish tasviri bilan bir xil o'lchamdagi yuqori aniqlikdagi zichlik xaritasini yaratish uchun tarmoqda uchta transpozitsiyalangan konvolyutsiya qatlami qo'llaniladi. Bu modelni o'rgatishda xususiyatlarni o'rganishni osonlashtirish uchun batafsil fazoviy ma'lumotlarni taqdim etadi.
3.2. Ko'p miqyosli xususiyatni ajratib olish moduli
Metro platformasida kutayotgan yo'lovchilarning murakkab taqsimlanishi, kameraning istiqboli va boshqa muammolar tufayli olingan tasvirlarda yo'lovchilarning bosh o'lchami turlicha. Bundan tashqari, platforma, liftlar va boshqa kichik ob'ektlardagi ekranli eshiklardan aks ettirish fon ma'lumotlarida murakkab o'zgarishlarga olib keladi. Bu muammolar metro platformasida olomonni hisoblash vazifasini bajarish uchun juda qiyin muammolarni keltirib chiqaradi va S-DCNet kabi ilgari taklif qilingan usullar], xususiyat piramidasi tarmog'i tuzilishi orqali ko'p miqyosli ma'lumotlarni olish uchun turli CNN qatlamlaridan xususiyat xaritalarini birlashtirishga e'tibor qaratdilar. Ushbu maqolada biz ushbu muammoni hal qilish uchun ko'p miqyosli xususiyatlarni ajratib olish modulini taqdim etamiz. Biz bu usulni metro platformasining olomonni hisoblash vazifasiga birinchi marta qo'llayapmiz. Taklif etilayotgan MFEM xususiyat xaritasining har bir qatlamidagi ma'lumotlarni yaxshilash uchun ko'p masshtabli xususiyatlarni ajratib olishni yaxshilaydi.
4-rasmda ko'rsatilganidek , MFEM birinchi navbatda xususiyat xaritasining kanalini 1 × 1 konvolyutsiya orqali siqib chiqaradi va keyin siqilgan xususiyat xaritasini kengaytirilgan konvolyutsiya orqali qayta ishlaydi, ko'p masshtabni boshqarish uchun turli kengaygan nisbatlar 1, 2, 3 va 4. tasvirlardagi bosh o'lchamlaridagi xususiyatlar va o'zgarishlar. Ushbu maqoladagi sobit Gauss yadrosining o'lchami 15 ga o'rnatiladi. Yaratilgan zichlik xaritasida har bir izohli boshning o'lchami 15 × 15; tasvirni taxminan 0 s bilan to'ldirish hisoblash natijasiga ta'sir qilmaydi. Kengaygan konvolyutsiya parametrlar sonini o'zgarmagan holda konvolyutsiya yadrosining retseptiv maydonini kengaytiradi; buni amalga oshirish orqali ishlash tezligini tezlashtirish mumkin. Kengaygan konvolyutsiyaning diagrammatik eskizi 3-rasmda ko'rsatilganb, ularning kengaygan nisbati 3 ga teng. Olingan ko'p masshtabli xususiyat xaritalari birlashtirish operatsiyasi va 3 × 3 konvolyutsiya bilan birlashtirilgan; qayta ishlangan xususiyatli tasvirlarning o'lchami kirish tasvirlari bilan bir xil.
|
| |
