新方案办理AI方针检测困难

 
 
新方案办理AI方针检测困难  
 

AI如何像人眼一样，识别真实世界中较为巨大的图像内容，甚至是高于人眼的识别力，从而可以在办公室、野外等各类巨大情况中取代人眼事情，是人工智能不绝摸索的一项要害技能。克日，中科院软件研究所（以下简称软件所）智能软件研究中心在方针检测与识别规模提出了一系列新的问题办理方案，相关研究成就颁发在人工智能规模国际集会会议CVPR 2020、ECCV 2020、ACM MM 2020。

方针检测与识别是人工智能规模一个重要的基本问题，但如何提高AI图像识此外精确率，还存在许多坚苦。好比，肉眼所见很是临近的物体之间，计较机傻傻分不清怎么办？论文通讯作者、软件所副研究员张立波表明，这是由于AI难以对极其相似的方针所属种别举办细粒度的分辨。

针对这一困难，软件所团队提出了一种二分类深度神经树的细粒度识别模子。这是一种由粗分逐渐到细分的要领，把神经网络分成差异的节点，在差异的节点上操作卷积网络举办特征进修，定位出具有鉴别力的区域特征。这一要领可以增强差异分支对图像细粒度特征的提取。

张立波暗示，在方针检测的实际应用场景中，还谋面对一个常见的问题，那就是练习集与测试集样天职布纷歧致影响模子表示。好比在阶梯车辆检测应用中，用来练习方针检测模子的数据集与利用模子举办测试的数据集大概是在差异都市配景、差异天气情况、差异判别率下收罗的，这就会导致尝试室的练习数据与测试数据之间呈现域偏移。

于是，他们提出了一种新的迁移进修要领，来提高域转换的结果。这种要领将特征图用差异巨细的窗口来提取均值特征，得到特征金字塔，然后用软留意力机制在差异金字塔特征之间的动态选择，来指导最终的域转换。

“除此之外，在一类视频收罗进程中，假如方针物过小，配景又很混乱，会给检测、计数带来极大的挑战，好比无人机场景就面对这一问题。”

张立波先容，软件所团队设计了一种新的基于特征金字塔的留意力网络来处理惩罚方针检测和计数任务。他们操作了配景和方针之间的弱监视信息，融合差异标准的特征图，得到更富厚的特征暗示。同时，前景模块思量了全局和局部外观的方针，以利便精确定位。

细粒度分类之所以具有挑战性：(a)类内差别大:属于同一类此外鸟类凡是会呈现明明差异的外观，如光照变革(第一列)、视角变革(第二列)、混乱的配景(第三列)和遮挡(第四列);(b)类间差别小:差异列的鸟属于差异的种别，但在同一行中外观相似。

相关论文信息：

https://isrc.iscas.ac.cn/gitlab/research/acnet

https://isrc.iscas.ac.cn/gitlab/research/sematree

https://isrc.iscas.ac.cn/gitlab/research/domain-adaption

https://isrc.iscas.ac.cn/gitlab/research/ganet

版权声明：凡本网注明“来历：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来历和作者，且不得对内容作实质性窜改；微信公家号、头条号等新媒体平台，转载请接洽授权。邮箱：shouquan@stimes.cn。