10270

بررسي روش هاي تشخيص اشياء بدون نمونه آموزشي

1400-1401

آقاي دكتر محمد رضا محمدي

نسانها قادر به مدل سازي ذهني از يكي شي با استفاده از توصيفات متني هستند در حالي كه در اكثر سيستم هاي مجهز به تشخيص هوشمند (كه توسط مدل هاي آموزش ديده اقدام به شناسايي مي كنند) اينگونه نبوده است و آنها نياز به ديدن نمونه هاي تصويري از هر دسته دارد تا بتوانند دسته ي يك شي را تشخيص دهند . در رويكرد zero-shot هدف شناسايي برچسب و مكان اشيائي است كه بخشي از آن اشياء هيچ نمونه تصويري در زمان آموزش نداشته اند با اين محدوديت كه برچسب آن ها از نظر معنايي با برچسب اشياء آموزشي مرتبط هستند . همان طور كه انسان ها با استفاده از دانش بصري پيشين و شنيدن توصيفاتي از افراد يا اشياء قادر به شناسايي آن افراد يا اشياء در اولين ديدار بصري هستند، در چنين رويكردي نيز اين رويه دنبال مي شود كه با يك دانش بصري پيشين از روي توصيفات، اقدام به تشخيص اشياء نمود. در علم يادگيري يكي از محوري ترين مباحث دسترسي به داده مي باشد، در همين راستا عدم دسترسي به داده يا پرهزينه بودن دسترسي به داده ها چالشي قابل توجه مي باشد كه رويكرد هاي مختلفي از جمله رويكرد يادگيري بدون نمونه آموزشي در راستاي حل اين چالش ايجاد شده اند. تشخيص اشياء بدون نمونه آموزشي مي تواند در حل بسياري از مسائل، كاربرد قابل توجهي داشته باشد كه چند نمونه از آن ها تشخيص گونه هاي مختلف حيوانات، تشخيص بيماري هاي ناشناخته، رصد تجهيزات نيروي مقابل در مسائل نظامي و... مي باشند. در همه ي موارد ذكر شده يا دسترسي به داده به دليل ذات مسئله امكان پذير نيست يا دسترسي به آنها خطرات جبران نا پذيري به همراه دارد، الگوريتم هاي معرفي شده در اين حوزه در تلاش براي دستيابي به ارتباط بين تمام دسته ها و ساخت توزيع مناسبي از دسته هاي مشاهده نشده هستند كه ساخت توزيع از دسته هاي پس زمينه و پيش زمينه به صورت مجزا و همچنين بهره گيري از توصيفات و مشخصات دسته ها و ايجاد ارتباط بين آنها عملكرد بهتري بين ساير روش ها داشته است.

12/1/2021 12:00:00 AM

73430

1400/09/26

Zero-Shot Object Detection

تشخيص اشياء بدون نمونه آموزشي , شناسايي اشياء , محل يابي اشياء , داده

Zero-Shot Object Detection , Recognition Objects , Localization Of Objects , ِ Data