استفاده از توابع مختلف از دست دادن با YOLACT++ برای تقسیمبندی نمونه بلادرنگ
| عنوان | استفاده از توابع مختلف از دست دادن با YOLACT++ برای تقسیمبندی نمونه بلادرنگ |
|---|---|
| نویسنده | کولش، سلین، کاراکاش، سلامی، ندیگانده، آلن پاتریک، اوزر، سادات |
| تاریخ انتشار: | 2023 |
| محل انتشار | - IEEE |
| موضوع | تقسیمبندی نمونه، تابع ضرر، تقسیمبندی زمان واقعی، YOLACT++ |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 979-835030396-4 |
| شماره ثبت | 6829a854-3d5f-476c-bc9f-9cf7ef949a73 |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2023 |
| متن نمونه | در این مقاله، ما عملکرد توابع مختلف ضرر را بر روی یک الگوریتم تقسیمبندی نمونه بلادرنگ، YOLACT++ که اخیراً پیشنهاد شده است، مطالعه و تحلیل میکنیم. به طور خاص، ما توابع از دست دادن، از جمله Huber Loss، Binary Cross Entropy (BCE)، میانگین مربعات خطا (MSE)، Log-Cosh-Dice Loss، و ترکیبات مختلف آنها را در معماری YOLACT++ مطالعه می کنیم. ما نشان میدهیم که میتوانیم از توابع ضرر متفاوت از تابع ضرر پیشفرض (BCE) YOLACT++ برای بهبود نتایج تقسیمبندی بلادرنگ استفاده کنیم. در آزمایشهایمان، نشان میدهیم که ترکیب معینی از دو تابع ضرر، عملکرد تقسیمبندی YOLACT++ را بر حسب معیار میانگین دقت میانگین (mAP) در مجموعه دادههای Cigarettes، در مقایسه با تابع ضرر اصلی آن، بهبود میبخشد. |
| DOI | 10.1109/TSP59544.2023.10197832 |
