10271

بررسي روش‌هاي يادگيري افزايشي براي تشخيص اشياء

1400

محمدرضا محمدي

هدف هوش مصنوعي توانمند سازي عامل‌هاي هوشمند براي انجام امور به صورت خود‌مختار مانند انسان است. يكي از فاكتور‌هاي زير بنايي توانمند سازي عامل‌هاي هوشمند، يادگيري مادم العمر آن‌ها بدون فراموشي دانش قبلي است. در حوزه بينايي از نظر بيولوژيكي نيز، سيستم بينايي انسان به طور طبيعي افزايشي است؛ يعني انسان به طور مداوم اطلاعات بصري كلاس‌هاي جديد را درك مي‌كند، در حالي كه دانش غني را كه قبلاً آموخته بود فراموش نمي‌كند. اما اين موضوع براي عامل‌هاي هوشمند با چالشي به نام فراموشي فاجعه بار همراه است، كه در پي يادگيري دانش جديد، دانش قبلي يادگرفته شده را از ياد مي‌برد. مشابه با دنياي واقعي كه موارد از قبل آموخته شده، دوباره براي آموزش به عنوان داده‌هاي آموزشي در اختيار انسان قرار نمي‌گيرند، براي عامل‌هاي هوشمند نيز داده‌هاي قديمي آموزشي ممكن است غيرقابل دسترسي باشند زيرا ممكن است از بين رفته يا خراب شده باشند، يا شايد بسيار بزرگ باشند و مسئله ذخيره سازي مطرح گردد، يا ممكن است مشكلات صدور مجوز يا توزيع وجود داشته باشد. با وجود تلاش‌هاي اخير كه بر روي يادگيري مداوم مفاهيم در كلاس انجام شده، هنوز مسئله تشخيص شيء جزو مباحث پر چالش براي محققان است. در اين گزارش سعي شده ضمن پرداختن به اين موضوع، علل پديدار شدن فراموشي فاجعه بار را پيدا كرده، و تعدادي از ايده‌هاي مطرح شده براي جلوگيري از فراموشي، بررسي و نتايج با هم مقايسه گردند. در اين ميان، در كنار ارزيابي صورت گرفته با ميانگين دقت متوسط (mAP) در 0.5 (IoU) روي دو مجموعه داده PASCAL VOC وCOCO، سعي گشته اثر بخشي برخي از اجزا طرح‌هاي بررسي شده، مورد توجه قرار داده شود تا مسيري روشن‌تر در روش برخورد با اين مشكل شناسايي گردد. همچنين نشان داده شده است كه بالاترين دقت بدست آمده در يك گام افزايشي(10+10)، در مجموعه داده PASCALVOC 69.6% بوده است، كه نسبت به دقت در يادگيري بدون افزايشي، تنها 2.8% كاهش داشته است. در انتها به مواردي اشاره گشته است كه موجب مي گردد تا محققان همچنان روي اين موضوع به تحقيقات خود ادامه دهند؛ از جمله اين موارد، بررسي ظرفيت مدل‌هاي افزايشي در يادگيري كلاس‌هاي جديد و سازگاري داده‌هاي قديمي و داده‌هاي جديد در روش‌هاي يادگيري افزايشي با تعداد گام‌هاي طولاني مي باشد.

12/1/2021 12:00:00 AM

73431

1400/09/26

Investigation of incremental learning methods for object detection

يادگيري افزايشي , يادگيري عميق , تشخيص اشياء , بينايي ماشين , فراموشي فاجعه بار

incremental learning , deep learning , object detection , computer vision , catastrophing forgetting