迅維網

英偉達的STEAL AI讓神經網絡擁有更好的計算機視覺

夢吉 2019-6-18 12:31

英偉達的STEAL AI讓神經網絡擁有更好的計算機視覺

來自英偉達(Nvidia)、多倫多大學(University of Toronto)和多倫多矢量人工智能研究所(Vector Institute for Artificial Intelligence)的研究人員規劃了一種方式,可以更精確地探測和預測物體的起點和終點。這些知識可以改進現有計算機視覺模型的推理,并為未來的模型標記訓練數據。

在研究人員的實驗中,語義細化的邊緣對齊學習(steal)能夠將最先進的casenet語義邊界預測模型的精度提升4%。更精確地識別物體的邊界可以使用于計算機視覺任務,從圖像生成到三維重建到物體檢測。

STEAL可用于改進現有的CNNs或邊界檢測模型,但研究人員還認為它可以幫助他們更有效地標記或注釋計算機視覺模型的數據。為證明這一點,STEAL方式用于改進城市景觀,這是2016年首次在計算機視覺和模式識別(CVPR)會議上引入的城市環境數據集。

英偉達的STEAL AI讓神經網絡擁有更好的計算機視覺

在GitHub上,STEAL框架以像素為單位學習和預測對象邊緣,研究人員稱之為“主動對齊”。“在訓練過程中對注釋噪聲進行明確的推理,以及為網絡提供一個從端到端排列不當的標簽中學習的分級公式,也有助于產生結果。”

據arXiv報道,研究者在4月發表的一篇論文中說:“我們進一步表明,我們預測的邊界比最新的DeepLab-v3分割輸出得到的邊界顯著更好,同時運用了更輕量級的架構。”并在6月9日進行了修訂。

“魔鬼就在邊緣:從嘈雜的注釋中學習語義邊界”將在本周于加州長灘舉行的CVPR 2019年會議上分享。英偉達在今天的一篇博客文章中說,近12篇部分由英偉達研究公司撰寫的研究論文將在會議上以口頭陳述的形式分享。

雷人

握手

鮮花

雞蛋

路過
分享至 : QQ空間
收藏
發表評論

最新評論

引用 冷月孤行 2019-6-18 12:33
轉發了
引用 小哥哥 2019-6-18 12:33
轉發了
引用 邾森 2019-6-18 12:32
轉發了

發表評論

登錄 后可參與評論

相關閱讀

返回頂部
附近
店鋪
維修
報價
信號元
件查詢
鑫智造


全文搜索
金元宝论坛高手帖单双中特