Inteligencia artificial

STEAL AI de Nvidia proporciona capacidades de salida para mejores modelos de visión por computadora

Científicos informáticos de Nvidia, la Universidad de Toronto y el Instituto de Inteligencia Artificial Vectorial de Toronto han ideado una forma más precisa de detectar y predecir dónde comienzan y terminan los objetos. Esta forma de conocimiento puede ayudar a mejorar las inferencias sobre los modelos actuales de visión por computadora y admitir anotaciones de datos de entrenamiento para modelos futuros.

En una serie de experimentos en equipo, los investigadores descubrieron que el modelo de IA para el entrenamiento de borde semántico (STEAL) podría ayudar a mejorar la precisión de los modelos predictivos al aumentar el «límite semántico» de CASENet moderno en un 4 %. La capacidad de identificar con mayor precisión los límites y ángulos de los objetos puede proporcionar aplicaciones prácticas para tareas de visión artificial, desde imágenes hasta imágenes en 3D. para detectar objetos.

  1. 5 mentes ingeniosas en el campo de la IA se unen para crear un súper robot


Entrenamiento perimetral de mejora semántica (STEAL)

STEAL se puede usar para mejorar los modelos de detección de bordes físicos o CNN existentes, pero los investigadores también creen que podría ayudarlos a etiquetar o anotar datos de manera más efectiva para los modelos de visión por computadora. Para demostrar esto, los investigadores utilizaron el enfoque STEAL para mejorar los paisajes urbanos, un conjunto de datos que contiene contenido relacionado con el entorno urbano, presentado por primera vez en una conferencia de visión artificial. 2016 Objetos del modelo para cálculo y reconocimiento (Computer Vision and Pattern Recognition – CVPR).

Actualmente en GitHub, el marco STEAL puede aprender y predecir con precisión cada esquina de un objeto basado en píxel por píxel, según lo que los investigadores llaman «alineación activa». Las claras reflexiones sobre el ruido de las anotaciones durante el entrenamiento, así como la redacción que establece el nivel en el que la red neuronal aprende de las etiquetas engañosas de principio a fin, también contribuyen a este resultado.

  1. El Instituto Tecnológico de Massachusetts está trabajando para desarrollar un modelo de IA que pueda conducir casi como un ser humano

La figura 2 de STEAL AI de Nvidia brinda la capacidad de respaldar las inferencias para mejores modelos de visión por computadora

Puede identificar con mayor precisión los límites y ángulos de los objetos.

«Seguiremos demostrando que nuestros límites de pronóstico son significativamente más eficientes que los obtenidos con el último resultado de DeepLab-v3, mientras que usar la arquitectura sola es mucho más fácil», dijo. Representantes del equipo en una entrevista en profundidad con arXiv.

El estudio se titula «El diablo está al final: explorando los límites semánticos de las anotaciones ruidosas» y se presentará ampliamente en Long Beach, California a través de una presentación en la conferencia CVPR 2019. Los expertos de Nvidia Research contribuyeron significativamente a este estudio y también presentarán el estudio desde una perspectiva personal en el CVPR de este año.

  1. La inteligencia artificial de Japón está creando modelos de moda virtuales hiperrealistas

La figura 3 de STEAL AI de Nvidia brinda la capacidad de respaldar las inferencias para mejores modelos de visión por computadora

Según un nuevo informe, Nvidia ha declarado que admitirá los sistemas de hardware informático de alto rendimiento del fabricante británico Arm en 2020, así como su software de análisis de código abierto TensorRT. Se permite una mayor personalización de Github.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba
error: Content is protected !!