تشخیص اشیاء به کمک شبکه عمیق مبتنی بر مکانیزم توجه

ماهیت پیچیده ترکیب محلی سازی و طبقه بندی در تشخیص اشیاء منجر به رونق توسعه روشهای این حوزه شده است. کارهایقبلی سعی در بهبود عملکرد در سرهای تشخیص اشیاء مختلف داشتند، اما نتوانستند یک نمای یکپارچه ارائه دهند. در این مقاله، ماچارچوبی جدید از سرهای پویا برای یکسان کردن سرهای تشخیص شیء با کمک مکانیزم توجه ارائه می کنیم. با ترکیب منسجممکانیسم های خودتوجهی چندگانه بین سطوح ویژگی برای آگاهی از مقیا، در میان مکانهای فضایی برای آگاهی فضایی، و درکانالهای خروجی برای آگاهی از وظیفه، رویکرد پیشنهادی به طور قابل توجهی توانایی نمایش سرهای تشخیص اشیاء را بدونهیچگونه سربار محاسباتی بهبود می بخشد. آزمایش های بیشتر نشان میدهد که اثربخشی و کارایی سرهای پویای پیشنهادی بر رویمعیار COCC است. با یک ستون فقرات استاندارد ResNeXt-۱۰۱-DCN، روش پیشنهادی تا حد زیادی عملکرد را نسبت به آشکارسازهای شیء لبه دانشی بهبود بخشیده است و در بهترین حالت به ۵۴/۰ برای معیار AP دست پیدا کرده است.