په ژورې زده کړې کې یو له ساده او خورا زړه راښکونکي نظرونو څخه د څیز کشف کول دي. بنسټیز نظر دا دی چې هر توکي په پرله پسې ټولګیو وویشئ چې د پرتلې وړ ځانګړتیاو استازیتوب کوي او بیا د هغې شاوخوا یو بکس رسم کړئ.
دا توپیر لرونکي ځانګړتیاوې کیدای شي د شکل یا رنګ په څیر ساده وي، کوم چې زموږ د ډلبندۍ وړتیا کې مرسته کوي.
د غوښتنلیکونه د څيز کشف د کمپیوټر لید او عکس پروسس کولو کې د پام وړ پرمختګونو څخه مننه په طبي علومو ، خپلواکه موټر چلولو ، دفاع او نظامي ، عامه اداره او ډیری نورو برخو کې په پراخه کچه ګمارل شوي.
دلته موږ MMDetection لرو، په Pytorch کې جوړ شوی د خلاصې سرچینې اعتراض کشف کولو وسیلې په زړه پورې. په دې مقاله کې، موږ به د MMDetection په تفصیل سره معاینه کړو، د هغې سره لاس او ګریوان شو، د دې ځانګړتیاوو په اړه بحث وکړو، او نور ډیر څه.
څه دي MMD کشف?
د MMD کشف اوزار بکس د Python کوډبیس په توګه رامینځته شوی و په ځانګړي توګه د ستونزو لپاره چې د اعتراض پیژندنه او د مثالونو قطع کول پکې شامل دي.
د PyTorch تطبیق کارول کیږي، او دا په ماډلر فیشن کې رامینځته شوی. د شیانو د پیژندنې او د بیلګې د ویشلو لپاره، د اغیزمنو ماډلونو پراخه لړۍ په مختلفو میتودونو کې جوړه شوې.
دا د مؤثره انګیرنې او چټک روزنې اجازه ورکوي. له بلې خوا، د وسیلې بکس کې د 200 څخه ډیر دمخه روزل شوي شبکې وزنونه شامل دي، چې دا د اعتراض پیژندنې ساحه کې چټک حل کوي.
د اوسني تخنیکونو د تطبیق یا د موجوده ماډلونو په کارولو سره د نوي کشف کونکي رامینځته کولو وړتیا سره، MMDetection د بنچمارک په توګه کار کوي.
د وسیلې بکس کلیدي ځانګړتیا دا ده چې د عادي څخه د مستقیم، ماډلر برخو شاملول دي د شیانو کشف چوکاټ چې د ځانګړي پایپ لاینونو یا ځانګړي ماډلونو رامینځته کولو لپاره کارول کیدی شي.
د دې اوزار کټ د بنچمارک کولو وړتیاوې د موجوده چوکاټ په سر کې د نوي کشف کونکي چوکاټ رامینځته کول اسانه کوي او د هغې فعالیت پرتله کوي.
برخی
- مشهور او عصري کشف چوکاټونه، لکه ګړندی RCNN، ماسک RCNN، RetinaNet، او داسې نور، په مستقیم ډول د وسیلې کټ لخوا ملاتړ کیږي.
- د 360+ دمخه روزل شوي ماډلونو څخه د ښه ټیوننګ (یا نوي روزنې) لپاره کارول.
- د COCO، Cityscapes، LVIS، او PASCAL VOC په شمول د پیژندل شوي لید ډیټاسیټونو لپاره.
- په GPUs کې، ټول بنسټیز بکس او ماسک عملیات اجرا کیږي. نور کوډبیسونه، لکه Detectron2، maskrcnn-benchmark، او SimpleDet، د دې سره په پرتله یا په پرتله په چټکه توګه روزل کیدی شي.
- څیړونکي ماتوي د شیانو کشف چوکاټ په څو ماډلونو کې، چې بیا یوځای کیدی شي د یو ځانګړي څیز کشف سیسټم رامینځته کړي.
د MMDetection معمارۍ
MMDetection یو عام ډیزاین مشخص کوي چې په هر ماډل کې پلي کیدی شي ځکه چې دا د وسیلې بکس دی چې د ډیری دمخه جوړ شوي ماډلونو سره ، چې هر یو یې خپل جوړښت لري. لاندې برخې د دې عمومي جوړښت جوړوي:
- شاته: Backbone، لکه ResNet-50 پرته له وروستي بشپړ وصل شوي پرت څخه، هغه برخه ده چې یو انځور د نقشې نقشې ته بدلوي.
- غوږ: غاړه هغه برخه ده چې ملا له سرونو سره نښلوي. د شاته د خام فیچر نقشو کې، دا ځینې سمونونه یا بیا تنظیمات کوي. فیچر Pyramid Network یو بیلګه ده (FPN).
- ژوره سر (AnchorHead/AnchorFreeHead): دا هغه برخه ده چې د فیچر نقشې په کثافاتو ساحو کې کار کوي، لکه اینکر هیډ او اینکر فری هیډ، لکه RPNHead، RetinaHead، او FCOSHead.
- RoIExtractor: د RoIPooling په څیر آپریټرونو په کارولو سره، دا هغه برخه ده چې د RoIwise ځانګړتیاوې له یو واحد یا د فیچر نقشې ټولګه راوباسي. د SingleRoIExtractor نمونه د RoI ځانګړتیاوې د فیچر pyramids د برابرې کچې څخه استخراجوي.
- RoIHead (BBoxHead/MaskHead): دا د سیسټم برخه ده چې د RoI ځانګړتیاوې د ان پټ په توګه کاروي او د RoI پر بنسټ کاري ځانګړي وړاندوینې رامینځته کوي، لکه د بانډینګ بکس طبقه بندي/رجعت او ماسک وړاندوینه.
د واحد مرحلې او دوه مرحلې کشف کونکو جوړول د پورته ذکر شوي مفاهیمو په کارولو سره توضیح شوي. موږ کولی شو خپل طرزالعملونه په ساده ډول د یو څو تازه برخو په جوړولو او د ځینو موجوده برخو سره یوځای کولو سره وده کړو.
د موډلونو لیست چې په MMDetection کې شامل دي
MMDetection د ډیری پیژندل شوي ماډلونو او د کار پر بنسټ ماډلونو لپاره لوړ پوړ کوډبیس چمتو کوي. هغه ماډلونه چې دمخه جوړ شوي او د تطبیق وړ میتودونه چې ممکن د MMDetection اوزار بکس سره وکارول شي لاندې لیست شوي. لیست وده کوي ځکه چې نور ماډلونه او میتودونه اضافه کیږي.
- چټک R-CNN
- چټک R-CNN
- ماسک R-CNN
- RetinaNet
- DCN
- DCNv2
- کاسکیډ R-CNN
- M2Det
- GHM
- سکریچ ډیټ
- ډبل سر R-CNN
- گرډ R-CNN
- FSAF
- لیبرا R-CNN
- GCNet
- HRNet
- د ماسک سکور کول R-CNN
- FCOS
- SSD
- R-FCN
- مخلوط دقیق روزنه
- د وزن معیاري کول
- د هایبرډ ټاسک کاسکیډ
- لارښود اینکرینګ
- عمومي پاملرنه
د MMDetection په کارولو سره د اعتراض کشف ماډل جوړول
په دې ټیوټوریل کې، موږ به د ګوګل د همکارۍ نوټ بوک یو ځکه چې دا تنظیم او کارول اسانه دي.
نصب
د هرڅه نصبولو لپاره چې موږ ورته اړتیا لرو، موږ به لومړی اړین کتابتونونه نصب کړو او د MMdetection GitHub پروژه کلون کړو.
واردول env
زموږ د پروژې لپاره چاپیریال به اوس له ذخیره څخه وارد شي.
د کتابتونونو واردول او د MM کشف
موږ به اوس اړین کتابتونونه وارد کړو، د کورس د MM کشف سره.
مخکې روزل شوي پوستې ډاونلوډ کړئ
د MMdetection څخه دمخه روزل شوي ماډل چیک پوسټونه باید اوس د نورو تنظیم کولو او اټکل لپاره ډاونلوډ شي.
د ودانۍ ماډل
موږ به اوس موډل جوړ کړو او د ډیټاسیټ لپاره پوستې پلي کړو.
کشف کوونکی معلوم کړئ
اوس چې ماډل په سمه توګه جوړ شوی او بار شوی، راځئ وګورو چې دا څومره عالي دی. موږ د MMDetection د لوړې کچې API کشف کونکي کاروو. دا API د دې لپاره ډیزاین شوی چې د تحلیل پروسه اسانه کړي.
د پايلو
راځئ چې پایلې ته وګورو.
پایله
په پایله کې، د MMDetection وسیلې بکس په دې وروستیو کې خپور شوي کوډبیسونه لکه SimpleDet، Detectron، او Maskrcnn-بنچمارک ښه کوي. د لوی ماډل ټولګه سره،
MMDetection اوس د عصري ټیکنالوژۍ دی. MMDetection د موثریت او فعالیت له مخې نورو ټولو کوډبیسونو څخه ښه کار کوي.
د MMdetection په اړه یو له غوره شیانو څخه دا دی چې تاسو اوس کولی شئ یو مختلف ترتیب فایل ته اشاره وکړئ ، یو مختلف چیک پوسټ ډاونلوډ کړئ ، او ورته کوډ چل کړئ که تاسو غواړئ ماډلونه بدل کړئ.
زه د دوی د لیدلو مشوره کوم لارښوونې که تاسو د کوم پړاو سره ستونزې لرئ یا غواړئ چې ځینې یې په مختلف ډول ترسره کړئ.
یو ځواب ورکړئ ووځي