據(jù)悉,微美全息(NASDAQ:WIMI)的研究團(tuán)隊(duì)最近取得了一項(xiàng)重大突破,成功開(kāi)發(fā)出一種基于對(duì)抗學(xué)習(xí)的無(wú)監(jiān)督Logo Detection(徽標(biāo)檢測(cè))方法,旨在減輕徽標(biāo)數(shù)據(jù)集的標(biāo)注負(fù)擔(dān),提高模型性能,并在實(shí)際應(yīng)用中實(shí)現(xiàn)無(wú)縫過(guò)渡。WIMI微美全息這一創(chuàng)新的方法結(jié)合了對(duì)抗學(xué)習(xí)的原理,通過(guò)自動(dòng)生成合成圖像和無(wú)監(jiān)督域自適應(yīng),將模型從合成數(shù)據(jù)領(lǐng)域逐漸過(guò)渡到真實(shí)世界數(shù)據(jù)領(lǐng)域,有效地解決了數(shù)據(jù)注釋問(wèn)題。
在傳統(tǒng)Logo Detection(LD)任務(wù)通常需要大量的帶有徽標(biāo)邊界框的標(biāo)記數(shù)據(jù),以便訓(xùn)練深度學(xué)習(xí)模型。這些標(biāo)注數(shù)據(jù)的創(chuàng)建需要大量的人力、時(shí)間和金錢(qián)投入。在實(shí)際應(yīng)用中,收集和標(biāo)記足夠數(shù)量的數(shù)據(jù)通常是一項(xiàng)耗時(shí)耗力的任務(wù)。因此,尋求降低數(shù)據(jù)標(biāo)注成本的方法一直是研究的關(guān)鍵焦點(diǎn)。
LD領(lǐng)域另一個(gè)關(guān)鍵是域適應(yīng)問(wèn)題,即模型在不同數(shù)據(jù)分布的領(lǐng)域之間泛化能力的問(wèn)題。在LD中,模型通常在合成數(shù)據(jù)集(如合成徽標(biāo)圖像)上進(jìn)行訓(xùn)練,但在實(shí)際應(yīng)用中需要在真實(shí)世界圖像上進(jìn)行測(cè)試。由于合成圖像和真實(shí)圖像之間存在明顯的域差異,傳統(tǒng)的訓(xùn)練方法通常無(wú)法在實(shí)際場(chǎng)景中表現(xiàn)良好,這導(dǎo)致了性能下降和模型泛化困難的問(wèn)題。
基于對(duì)抗學(xué)習(xí)的無(wú)監(jiān)督LD方法可以有效解決這LD領(lǐng)域的兩個(gè)關(guān)鍵問(wèn)題。通過(guò)將對(duì)抗學(xué)習(xí)的原理應(yīng)用于LD任務(wù),研究人員和企業(yè)希望在不增加數(shù)據(jù)標(biāo)注成本的情況下提高模型性能,并解決由于域差異引起的性能下降問(wèn)題。
在這一背景下,WIMI微美全息研發(fā)團(tuán)隊(duì)開(kāi)始探索如何使用對(duì)抗學(xué)習(xí)來(lái)實(shí)現(xiàn)從合成數(shù)據(jù)到真實(shí)世界數(shù)據(jù)的平滑過(guò)渡。這一方法的核心思想是通過(guò)最小化合成圖像和真實(shí)圖像之間的域間差異,使模型能夠適應(yīng)不同數(shù)據(jù)域,從而在實(shí)際應(yīng)用中表現(xiàn)出更好的性能。同時(shí),無(wú)監(jiān)督合成圖像生成和自動(dòng)生成邊界框注釋等技術(shù)也被引入,以進(jìn)一步減輕數(shù)據(jù)標(biāo)注的負(fù)擔(dān),實(shí)現(xiàn)了無(wú)監(jiān)督域自適應(yīng)的LD方法。
WIMI微美全息基于對(duì)抗學(xué)習(xí)的無(wú)監(jiān)督LD方法的技術(shù),旨在解決Logo檢測(cè)任務(wù)中的數(shù)據(jù)注釋問(wèn)題和域適應(yīng)問(wèn)題。其流程大致包含無(wú)監(jiān)督合成圖像生成、對(duì)抗學(xué)習(xí)的無(wú)監(jiān)督域自適應(yīng)、中級(jí)輸出特征圖的熵最小化、自動(dòng)生成邊界框注釋與模型訓(xùn)練和域自適應(yīng)。
無(wú)監(jiān)督合成圖像生成:為了減輕數(shù)據(jù)標(biāo)注的負(fù)擔(dān),WIMI微美全息研發(fā)團(tuán)隊(duì)通過(guò)其在全息技術(shù)中的技術(shù)積累和優(yōu)勢(shì),首先開(kāi)發(fā)了一種無(wú)監(jiān)督合成圖像生成方法。這個(gè)方法可以自動(dòng)生成合成徽標(biāo)圖像,而不需要對(duì)象級(jí)別的監(jiān)督注釋。這些合成圖像的生成可以基于已有的徽標(biāo)圖像,通過(guò)引入變化(例如,旋轉(zhuǎn)、縮放、遮擋等)來(lái)模擬不同的數(shù)據(jù)樣本。這樣可以在不實(shí)際擁有大量標(biāo)記的情況下生成足夠多的合成數(shù)據(jù),用于模型的訓(xùn)練。
對(duì)抗學(xué)習(xí)的無(wú)監(jiān)督域自適應(yīng):WIMI微美全息基于對(duì)抗學(xué)習(xí)的無(wú)監(jiān)督LD方法,將對(duì)抗學(xué)習(xí)的思想在LD任務(wù)中應(yīng)用,以解決域適應(yīng)問(wèn)題。域適應(yīng)問(wèn)題是指模型在從合成數(shù)據(jù)到真實(shí)世界數(shù)據(jù)這樣不同數(shù)據(jù)分布的領(lǐng)域之間的泛化問(wèn)題。對(duì)抗學(xué)習(xí)使用兩個(gè)神經(jīng)網(wǎng)絡(luò),一個(gè)生成器和一個(gè)判別器,它們相互競(jìng)爭(zhēng)以最小化合成圖像和真實(shí)圖像之間的域差異。生成器的任務(wù)是生成合成圖像,使其越來(lái)越難以與真實(shí)圖像區(qū)分,而判別器的任務(wù)是盡可能準(zhǔn)確地區(qū)分合成圖像和真實(shí)圖像。通過(guò)這種對(duì)抗過(guò)程,模型逐漸學(xué)會(huì)將合成數(shù)據(jù)轉(zhuǎn)化為更逼真的真實(shí)世界數(shù)據(jù),從而提高了在實(shí)際應(yīng)用中的性能。
中級(jí)輸出特征圖的熵最小化:為了更好地對(duì)齊合成圖像和真實(shí)圖像之間的域差異,該技術(shù)方法引入了中級(jí)輸出特征圖的熵最小化方法。這一步驟旨在減少特征圖的不確定性,從而使模型能夠更好地理解數(shù)據(jù)域之間的差異。通過(guò)最小化特征圖的熵,模型可以更好地適應(yīng)不同領(lǐng)域的數(shù)據(jù)分布。
自動(dòng)生成邊界框注釋?zhuān)簽榱诉M(jìn)行無(wú)監(jiān)督訓(xùn)練,WIMI微美全息研發(fā)團(tuán)隊(duì)開(kāi)發(fā)了自動(dòng)生成邊界框注釋的技術(shù)。這一步驟涉及自動(dòng)檢測(cè)圖像中的徽標(biāo),并生成相應(yīng)的邊界框注釋。這個(gè)過(guò)程不需要人工標(biāo)記,可以大大減少數(shù)據(jù)標(biāo)注的成本。
模型訓(xùn)練和域自適應(yīng):將所有組件結(jié)合在一起進(jìn)行模型訓(xùn)練。模型首先使用無(wú)監(jiān)督合成圖像進(jìn)行初始訓(xùn)練,然后通過(guò)對(duì)抗學(xué)習(xí)和中級(jí)輸出特征圖的熵最小化來(lái)逐漸適應(yīng)真實(shí)世界數(shù)據(jù)。這一過(guò)程有效地解決了LD模型在不同數(shù)據(jù)域之間的泛化問(wèn)題,提高其性能。
WIMI微美全息這一研究成果的應(yīng)用前景廣闊。企業(yè)可以使用這一方法更輕松地檢測(cè)和保護(hù)其品牌徽標(biāo),提高市場(chǎng)競(jìng)爭(zhēng)力。廣告監(jiān)控和反假冒領(lǐng)域也將受益于這一技術(shù)的高效性。此外,這一方法還為自動(dòng)化媒體內(nèi)容分析提供了新的可能性,幫助企業(yè)更好地了解其品牌在各種媒體渠道中的表現(xiàn)。
WIMI微美全息基于對(duì)抗學(xué)習(xí)的無(wú)監(jiān)督LD方法的無(wú)監(jiān)督合成圖像生成技術(shù)不僅有效減輕了數(shù)據(jù)標(biāo)注的成本,還為模型提供了更多的訓(xùn)練數(shù)據(jù),增強(qiáng)了其性能。通過(guò)對(duì)抗學(xué)習(xí),模型能夠適應(yīng)不同數(shù)據(jù)分布的領(lǐng)域,從合成數(shù)據(jù)到真實(shí)世界數(shù)據(jù)的平滑過(guò)渡變得可能。中級(jí)輸出特征圖的熵最小化進(jìn)一步加強(qiáng)了模型對(duì)領(lǐng)域差異的理解,提高了泛化性能。自動(dòng)生成邊界框注釋技術(shù)消除了對(duì)象級(jí)別標(biāo)注的需求,使得模型可以進(jìn)行無(wú)監(jiān)督訓(xùn)練。這一突破性的技術(shù)方法不僅將影響日常生活中的品牌保護(hù)和廣告監(jiān)控,還將為計(jì)算機(jī)視覺(jué)領(lǐng)域的研究提供新的研究方向。創(chuàng)新不斷推動(dòng)著科技的前進(jìn),而基于對(duì)抗學(xué)習(xí)的無(wú)監(jiān)督LD方法正是這個(gè)創(chuàng)新浪潮的一部分。讓看到了一個(gè)更智能、更創(chuàng)新的未來(lái),通過(guò)技術(shù)創(chuàng)新,邁向了一個(gè)更加高效、智能和創(chuàng)造性的未來(lái)。
免責(zé)聲明:本文僅代表作者個(gè)人觀點(diǎn),與每日科技網(wǎng)無(wú)關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí),對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾,請(qǐng)讀者僅作參考,并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。
本網(wǎng)站有部分內(nèi)容均轉(zhuǎn)載自其它媒體,轉(zhuǎn)載目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé),若因作品內(nèi)容、知識(shí)產(chǎn)權(quán)、版權(quán)和其他問(wèn)題,請(qǐng)及時(shí)提供相關(guān)證明等材料并與我們聯(lián)系,本網(wǎng)站將在規(guī)定時(shí)間內(nèi)給予刪除等相關(guān)處理.
精彩推薦
-
采購(gòu)拿回扣問(wèn)題,教你一個(gè)小妙招,看看怎么做!
2017-09-18 11:09 廣告 閱讀
-
苦逼的老板,教你一個(gè)小妙招,怎么防采購(gòu)拿回扣!
2017-09-18 11:09 廣告 閱讀
-
首款專(zhuān)業(yè)廣告推廣工具“傳播易”3.5版本正式上線
2019-02-15 16:23:15 更新 閱讀
-
尖貨爆料!速來(lái)【數(shù)碼預(yù)爆臺(tái)】領(lǐng)取618福利和AI新
2024-06-21 18:33:22 更新 閱讀
-
喜獲國(guó)際設(shè)計(jì)大獎(jiǎng)丨十字勛章減重大師Pro商務(wù)背包
2024-06-12 14:04:28 更新 閱讀
-
Baseus倍思音頻品鑒會(huì):一場(chǎng)產(chǎn)品與技術(shù)的對(duì)話
2024-05-29 11:13:32 更新 閱讀
-
212攜手極致軍工品質(zhì),煥新出發(fā)
2024-05-22 21:16:00 更新 閱讀
-
第四屆全球應(yīng)用算法BPAA大賽再度升級(jí),增添三大
2024-05-17 17:55:36 更新 閱讀
-
三維天地助力實(shí)驗(yàn)室質(zhì)量管理工作無(wú)紙化、流程化
2024-05-09 15:35:04 更新 閱讀