பொருளடக்கம்[மறை][காட்டு]
ஆழ்ந்த கற்றலில் எளிமையான மற்றும் மிகவும் புதிரான யோசனைகளில் ஒன்று பொருள் கண்டறிதல் ஆகும். ஒவ்வொரு பொருளையும் ஒப்பிடக்கூடிய பண்புகளைக் குறிக்கும் தொடர்ச்சியான வகுப்புகளாகப் பிரித்து அதைச் சுற்றி ஒரு பெட்டியை வரைய வேண்டும் என்பதே அடிப்படை யோசனை.
இந்த தனித்துவ குணாதிசயங்கள் வடிவம் அல்லது நிறம் போன்ற எளிமையானதாக இருக்கலாம், இது அவற்றை வகைப்படுத்துவதற்கான நமது திறனுக்கு உதவுகிறது.
பயன்பாடுகள் பொருள் கண்டறிதல் மருத்துவ அறிவியல், தன்னாட்சி ஓட்டுநர், பாதுகாப்பு மற்றும் இராணுவம், பொது நிர்வாகம் மற்றும் பல துறைகளில் கணினி பார்வை மற்றும் பட செயலாக்கத்தில் கணிசமான முன்னேற்றங்களுக்கு நன்றி.
Pytorch இல் கட்டமைக்கப்பட்ட ஒரு அருமையான திறந்த மூல பொருள் கண்டறிதல் கருவித்தொகுப்பான MMDdetection இங்கே உள்ளது. இந்தக் கட்டுரையில், எம்எம்டிடெக்ஷனை விரிவாக ஆராய்வோம், அதைக் கையாள்வோம், அதன் அம்சங்கள் மற்றும் பலவற்றைப் பற்றி விவாதிப்போம்.
என்ன MMD கண்டறிதல்?
தி MMD கண்டறிதல் கருவிப்பெட்டி ஒரு பைதான் கோட்பேஸாக குறிப்பாக பொருள் அடையாளம் மற்றும் நிகழ்வுப் பிரிப்பு சம்பந்தப்பட்ட பிரச்சனைகளுக்காக உருவாக்கப்பட்டது.
PyTorch செயல்படுத்தல் பயன்படுத்தப்படுகிறது, மேலும் இது ஒரு மட்டு பாணியில் உருவாக்கப்பட்டது. பொருள் அங்கீகாரம் மற்றும் நிகழ்வுப் பிரிப்புக்காக, பலதரப்பட்ட பயனுள்ள மாதிரிகள் பல்வேறு முறைகளில் தொகுக்கப்பட்டுள்ளன.
இது பயனுள்ள அனுமானத்தையும் விரைவான பயிற்சியையும் அனுமதிக்கிறது. மறுபுறம், கருவிப்பெட்டியில் 200க்கும் மேற்பட்ட முன் பயிற்சி பெற்ற நெட்வொர்க்குகளுக்கான எடைகள் உள்ளன, இது பொருள் அடையாளப் புலத்தில் விரைவான தீர்வாக அமைகிறது.
தற்போதைய நுட்பங்களை மாற்றியமைக்கும் திறனுடன் அல்லது கிடைக்கக்கூடிய தொகுதிகளைப் பயன்படுத்தி ஒரு புதிய டிடெக்டரை உருவாக்கும் திறனுடன், MMDdetection ஒரு அளவுகோலாக செயல்படுகிறது.
கருவிப்பெட்டியின் முக்கிய அம்சம், சாதாரணமாக இருந்து நேரடியான, மட்டு பாகங்களைச் சேர்ப்பதாகும் பொருள் கண்டறிதல் தனித்துவமான பைப்லைன்கள் அல்லது தனித்துவமான மாதிரிகளை உருவாக்க பயன்படும் கட்டமைப்பு.
இந்த கருவித்தொகுப்பின் தரப்படுத்தல் திறன்கள், ஏற்கனவே உள்ள கட்டமைப்பின் மேல் புதிய டிடெக்டர் கட்டமைப்பை உருவாக்கி அதன் செயல்திறனை ஒப்பிடுவதை எளிதாக்குகிறது.
அம்சங்கள்
- Faster RCNN, Mask RCNN, RetinaNet போன்ற பிரபலமான மற்றும் நவீன கண்டறிதல் கட்டமைப்புகள் கருவித்தொகுப்பால் நேரடியாக ஆதரிக்கப்படுகின்றன.
- 360+ முன் பயிற்சி பெற்ற மாடல்களை நன்றாகச் சரிசெய்வதற்கு (அல்லது புதிதாகப் பயிற்சி) பயன்படுத்துதல்.
- COCO, Cityscapes, LVIS மற்றும் PASCAL VOC உள்ளிட்ட நன்கு அறியப்பட்ட பார்வை தரவுத்தொகுப்புகளுக்கு.
- GPU களில், அனைத்து அடிப்படை bbox மற்றும் முகமூடி செயல்பாடுகளும் செயல்படுத்தப்படுகின்றன. Detectron2, maskrcnn-benchmark, மற்றும் SimpleDet போன்ற பிற கோட்பேஸ்கள், இதை விட அல்லது அதற்கு இணையான வேகத்தில் பயிற்சியளிக்கப்படலாம்.
- ஆராய்ச்சியாளர்கள் உடைக்கிறார்கள் பொருள் கண்டறிதல் கட்டமைப்பானது பல தொகுதிக்கூறுகளாகும், பின்னர் அவை ஒரு தனித்துவமான பொருள் கண்டறிதல் அமைப்பை உருவாக்க ஒருங்கிணைக்கப்படலாம்.
MMD கண்டறிதல் கட்டிடக்கலை
MMDdetection என்பது ஒரு பொதுவான வடிவமைப்பைக் குறிப்பிடுகிறது, ஏனெனில் இது பல்வேறு முன் கட்டப்பட்ட மாதிரிகள் கொண்ட கருவிப்பெட்டியாகும், ஒவ்வொன்றும் அதன் சொந்த கட்டமைப்பைக் கொண்டுள்ளது. பின்வரும் கூறுகள் இந்த ஒட்டுமொத்த கட்டிடக்கலையை உருவாக்குகின்றன:
- பின்புல: இறுதி முழுமையாக இணைக்கப்பட்ட லேயர் இல்லாத ரெஸ்நெட்-50 போன்ற முதுகெலும்பு, ஒரு படத்தை அம்ச வரைபடங்களாக மாற்றும் கூறு ஆகும்.
- கழுத்து: கழுத்து என்பது முதுகெலும்பை தலைகளுடன் இணைக்கும் பகுதி. முதுகெலும்பின் மூல அம்ச வரைபடங்களில், இது சில சரிசெய்தல் அல்லது மறுசீரமைப்புகளை செய்கிறது. அம்சம் பிரமிட் நெட்வொர்க் ஒரு விளக்கம் (FPN).
- அடர்த்தியான தலை (AnchorHead/AnchorFreeHead): இது RPNHead, RetinaHead மற்றும் FCOSHead போன்ற AnchorHead மற்றும் AnchorFreeHead போன்ற அம்ச வரைபடங்களின் அடர்த்தியான பகுதிகளில் செயல்படும் கூறு ஆகும்.
- RoIExtractor: RoIPooling போன்ற ஆபரேட்டர்களைப் பயன்படுத்துவதன் மூலம், இது RoIwise அம்சங்களை ஒற்றை அல்லது அம்ச வரைபடங்களின் தொகுப்பிலிருந்து இழுக்கும் பிரிவு ஆகும். SingleRoIExtractor மாதிரியானது, அம்ச பிரமிடுகளின் பொருந்தக்கூடிய மட்டத்திலிருந்து RoI அம்சங்களைப் பிரித்தெடுக்கிறது.
- ரோஐஹெட் (BBoxHead/MaskHead): இது RoI குணாதிசயங்களை உள்ளீடாகப் பயன்படுத்தும் அமைப்பின் ஒரு பகுதியாகும் மற்றும் RoI அடிப்படையிலான பணி சார்ந்த கணிப்புகளை உருவாக்குகிறது, அதாவது எல்லைப் பெட்டி வகைப்பாடு/பின்னடைவு மற்றும் முகமூடி கணிப்பு.
ஒற்றை-நிலை மற்றும் இரண்டு-நிலை கண்டுபிடிப்பாளர்களின் கட்டுமானம் மேற்கூறிய கருத்துகளைப் பயன்படுத்தி விளக்கப்பட்டுள்ளது. சில புதிய பகுதிகளை உருவாக்குவதன் மூலமும் ஏற்கனவே உள்ள சிலவற்றை இணைப்பதன் மூலமும் நம்முடைய சொந்த நடைமுறைகளை உருவாக்கலாம்.
MMDetection இல் சேர்க்கப்பட்டுள்ள மாதிரிகளின் பட்டியல்
MMDdetection பல நன்கு அறியப்பட்ட மாதிரிகள் மற்றும் பணி சார்ந்த தொகுதிகளுக்கு சிறந்த குறியீட்டு தளங்களை வழங்குகிறது. MMDetection கருவிப்பெட்டியுடன் பயன்படுத்தப்படும் முன்னர் தயாரிக்கப்பட்ட மாதிரிகள் மற்றும் மாற்றியமைக்கக்கூடிய முறைகள் கீழே பட்டியலிடப்பட்டுள்ளன. மேலும் மாதிரிகள் மற்றும் முறைகள் சேர்க்கப்படுவதால் பட்டியல் வளர்ந்து கொண்டே செல்கிறது.
- வேகமான ஆர்-சிஎன்என்
- வேகமான ஆர்-சிஎன்என்
- முகமூடி R-CNN
- ரெடினாநெட்
- டி.சி.என்
- DCNv2
- கேஸ்கேட் ஆர்-சிஎன்என்
- M2Det
- ஜி.எச்.எம்
- ScratchDet
- இரட்டை-தலை R-CNN
- கட்டம் R-CNN
- FSAF
- லிப்ரா ஆர்-சிஎன்என்
- ஜி.சி.நெட்
- HRNet
- மாஸ்க் ஸ்கோரிங் R-CNN
- FCOS
- எஸ்எஸ்டி
- ஆர்-எஃப்சிஎன்
- கலப்பு துல்லியமான பயிற்சி
- எடை தரநிலைப்படுத்தல்
- ஹைப்ரிட் டாஸ்க் கேஸ்கேட்
- வழிகாட்டிய ஆங்கரிங்
- பொதுவான கவனம்
MMDetection ஐப் பயன்படுத்தி பொருள் கண்டறிதல் மாதிரியை உருவாக்குதல்
இந்த டுடோரியலில், நாங்கள் Google collab நோட்புக் ஆக இருப்போம், ஏனெனில் இது அமைக்க மற்றும் பயன்படுத்த எளிதானது.
நிறுவல்
நமக்குத் தேவையான அனைத்தையும் நிறுவ, முதலில் தேவையான நூலகங்களை நிறுவி, MMdetection GitHub திட்டத்தை குளோன் செய்வோம்.
env இறக்குமதி செய்கிறது
எங்கள் திட்டத்திற்கான சூழல் இப்போது களஞ்சியத்தில் இருந்து இறக்குமதி செய்யப்படும்.
நூலகங்களை இறக்குமதி செய்தல் மற்றும் MM கண்டறிதல்
நாம் இப்போது MM கண்டறிதலுடன் தேவையான நூலகங்களை இறக்குமதி செய்வோம்.
முன் பயிற்சி பெற்ற சோதனைச் சாவடிகளைப் பதிவிறக்கவும்
மேலும் சரிசெய்தல் மற்றும் அனுமானத்திற்காக MMdetection இலிருந்து முன் பயிற்சி பெற்ற மாதிரி சோதனைச் சாவடிகள் இப்போது பதிவிறக்கம் செய்யப்பட வேண்டும்.
கட்டிட மாதிரி
இப்போது மாதிரியை உருவாக்கி, தரவுத்தொகுப்பில் சோதனைச் சாவடிகளைப் பயன்படுத்துவோம்.
கண்டுபிடிப்பாளரின் அனுமானம்
இப்போது மாதிரி சரியாக கட்டமைக்கப்பட்டு ஏற்றப்பட்டுள்ளது, அது எவ்வளவு சிறந்தது என்பதை சரிபார்க்கலாம். எம்எம்டிடெக்ஷனின் உயர்நிலை ஏபிஐ அனுமானக் கண்டறிதலை நாங்கள் பயன்படுத்துகிறோம். இந்த API அனுமான செயல்முறையை எளிதாக்க வடிவமைக்கப்பட்டுள்ளது.
விளைவாக
முடிவுகளைப் பார்ப்போம்.
தீர்மானம்
முடிவில், சிம்பிள்டெட், டிடெக்ட்ரான் மற்றும் மாஸ்க்ர்சிஎன்-பெஞ்ச்மார்க் போன்ற சமீபத்தில் வெளியிடப்பட்ட கோட்பேஸ்களை எம்எம்டிடெக்ஷன் டூல்பாக்ஸ் மிஞ்சுகிறது. பெரிய மாதிரி சேகரிப்புடன்,
MMDdetection இப்போது அதிநவீன தொழில்நுட்பம். செயல்திறன் மற்றும் செயல்திறன் அடிப்படையில் MMD கண்டறிதல் மற்ற அனைத்து குறியீட்டுத் தளங்களையும் விஞ்சுகிறது.
MMdetection பற்றிய சிறந்த விஷயங்களில் ஒன்று, நீங்கள் இப்போது வேறு உள்ளமைவு கோப்பைச் சுட்டிக்காட்டலாம், வேறு சோதனைச் சாவடியைப் பதிவிறக்கலாம் மற்றும் நீங்கள் மாதிரிகளை மாற்ற விரும்பினால் அதே குறியீட்டை இயக்கலாம்.
அவற்றைப் பார்க்க நான் அறிவுறுத்துகிறேன் வழிமுறைகளை நீங்கள் ஏதேனும் நிலைகளில் சிக்கல்களை எதிர்கொண்டால் அல்லது அவற்றில் சிலவற்றை வேறுவிதமாக செயல்படுத்த விரும்பினால்.
ஒரு பதில் விடவும்