在线免费看片a欧美,午夜AV不卡网站在线播放,久久综合尹人77777,96国产在线分享

從來(lái)沒(méi)有過(guò)的新物，它也能行很好地割。這是 DeepMind 研究出的一新的學(xué)習(xí)架：目標(biāo)現(xiàn)和表示絡(luò)（Object discovery and representation networks，簡(jiǎn)稱(chēng) Odin）以往的自監(jiān)督學(xué)習(xí)SSL）方法能夠很地描述整大的場(chǎng)景但是很難分出單個(gè)物體。現(xiàn)，Odin 方法做到了，并且在沒(méi)有任監(jiān)督的情下做到的區(qū)分出圖中的單個(gè)體可不是容易的事它是怎么到的呢？法原理能很好地區(qū)出圖像中各個(gè)物體主要?dú)w功 Odin 學(xué)習(xí)框架的“自我環(huán)”。Odin 學(xué)習(xí)了兩組協(xié)工作的網(wǎng)，分別是標(biāo)發(fā)現(xiàn)網(wǎng)和目標(biāo)表網(wǎng)絡(luò)。目發(fā)現(xiàn)網(wǎng)絡(luò)圖像的一裁剪部分為輸入，剪的部分該包含圖的大部分域，且這分圖像并有在其他面進(jìn)行增處理。然對(duì)輸入圖生成的特圖進(jìn)行聚分析，根不同的特對(duì)圖像中個(gè)物體的行分割。標(biāo)表示網(wǎng)的輸入視是目標(biāo)發(fā)網(wǎng)絡(luò)中所成的分割像。視圖入之后，它們分別行隨機(jī)預(yù)理，包括轉(zhuǎn)、模糊點(diǎn)級(jí)顏色換等。這就能夠獲兩組掩模它們除了裁之外的異，其他息都和底圖像內(nèi)容同。而后個(gè)掩模會(huì)過(guò)對(duì)比損，進(jìn)而學(xué)能夠更好表示圖像物體的特。具體來(lái)，就是通對(duì)比檢測(cè)訓(xùn)練一個(gè)絡(luò)來(lái)識(shí)別同目標(biāo)物的特征，時(shí)還有許來(lái)自其他相干物體“負(fù)面”征。然后最大化不掩模中同目標(biāo)物體相似性，小化不同標(biāo)物體之的相似性進(jìn)而更好進(jìn)行分割區(qū)別不同標(biāo)物體。此同時(shí)，標(biāo)發(fā)現(xiàn)網(wǎng)會(huì)定期根目標(biāo)表示絡(luò)的參數(shù)行相應(yīng)的新。最終目的是確這些對(duì)象的特性在同的視圖大致不變換句話(huà)說(shuō)是將圖像的物體分開(kāi)來(lái)。那 Odin 學(xué)習(xí)框架的效果究如何呢？夠很好地分未知物Odin 方法在場(chǎng)分割時(shí)，有先驗(yàn)知的情況下移學(xué)習(xí)的能也很強(qiáng)。首先，用 Odin 方法在 ImageNet 數(shù)據(jù)集上行預(yù)訓(xùn)練然后評(píng)估在 COCO 數(shù)據(jù)集以及 PASCAL 和 Cityscapes 語(yǔ)義分割上的果。已經(jīng)道目標(biāo)物，即獲得驗(yàn)知識(shí)的法在進(jìn)行景分割時(shí)效果要明好于其他獲得先驗(yàn)識(shí)的方法而 Odin 方法即使未獲得驗(yàn)知識(shí)，效果也要于獲得先知識(shí)的 DetCon 和 ReLICv2。除此之，Odin 方法不僅可以應(yīng)用 ResNet 模型中，還可應(yīng)用到更雜的模型，如 Swim Transformer。在數(shù)據(jù)上Odin 框架學(xué)習(xí)優(yōu)勢(shì)很明，那在可化的圖像，Odin 的優(yōu)勢(shì)在何處體現(xiàn)呢？將使 Odin 生成的分割圖像與機(jī)初始化網(wǎng)絡(luò)（第 3 列），ImageNet 監(jiān)督的網(wǎng)絡(luò)第 4 列）中獲得分割圖像行比較。 3、4 列都未能晰地描繪物體的邊，或者缺現(xiàn)實(shí)世界體的一致和局部性而 Odin 生成的圖像效果明顯要更一些。參鏈接：[1]?https://twitter.com/DeepMind/status/1554467389290561541[2]?https://arxiv.org/abs/2203.08777本文來(lái)自微信眾號(hào)：量位 （ID：QbitAI），作者：Pine