Los investigadores de la Academia de Ciencias de China (CAS) han desarrollado un nuevo marco de inteligencia artificial (IA) para la detección de objetos, que proporciona una nueva solución para la detección de objetos online en tiempo real, rápida y de alta precisión.
La tecnología de detección de objetos basada en la teoría del aprendizaje profundo también tiene éxito en muchas aplicaciones industriales. La investigación actual se centra en mejorar la velocidad o la precisión de la detección y no tiene en cuenta la eficiencia y la precisión. Cómo lograr una detección de objetos rápida y precisa se ha convertido en un desafío importante en el campo de la inteligencia artificial.
En este estudio, cuyos resultados se publicaron en Expert Systems with Applications, los investigadores encontraron que uno de los principales defectos de la tecnología de detección de objetos basada en el aprendizaje profundo radicaba en la extracción repetida de características y la fusión de estructuras de redes profundas, lo que generaba costos computacionales innecesarios.
Nuevo marco de reconocimiento de objetos
Los investigadores propusieron un marco de reconocimiento de objetos (MiSo) de múltiples entradas y salidas, que era diferente del modelo tradicional de múltiples entradas y múltiples salidas y reducía la complejidad del modelo, así como de la sobrecarga del tiempo de inferencia.
Además, basado en la teoría de detección de eRF propuesta anteriormente, los investigadores diseñaron tres nuevos mecanismos de aprendizaje para extraer información de características de puntos calientes de manera más precisa y eficiente, que fueron el mecanismo de ajuste de campo receptivo, el mecanismo de autoaprendizaje de atención residual y eRF, basado en la estrategia de muestreo de equilibrio dinámico.
Lo probaron en un punto de referencia de conjunto de datos estándar y lograron una precisión promedio (AP) de 39,2 a una velocidad de 29 cuadros por segundo. Es 2,6 AP más alto que el TridenNet-R50 de última generación existente. Este método proporciona una nueva idea para la investigación y la aplicación industrial de la detección de objetos.