Объектно-ориентированное обучение с использованием слот-внимания (с пояснениями к статье) скачать в хорошем качестве

Объектно-ориентированное обучение с использованием слот-внимания (с пояснениями к статье)

Визуальные сцены часто состоят из наборов независимых объектов. Однако современные модели зрения не делают предположений о природе воспринимаемых изображений. В данной статье, используя априорную объектность, предлагается модуль, способный распознавать инвариантные к перестановкам наборы объектов из пикселей как в контролируемых, так и в неконтролируемых условиях. Это достигается введением слотового модуля внимания, сочетающего механизм внимания с динамической маршрутизацией. ПЛАН: 0:00 — Введение и обзор 1:40 — Формулировка задачи 4:30 — Архитектура слота внимания 13:30 — Алгоритм слота внимания 21:30 — Визуализация итеративной маршрутизации 29:15 — Эксперименты 36:20 — Гибкость времени вывода 38:35 — Более широкое заявление о влиянии 42:05 — Заключение и комментарии Доклад: https://arxiv.org/abs/2006.15055 Моё видео о DETR на Facebook:    • DETR: End-to-End Object Detection with Tra...   Моё видео о внимании:    • Attention Is All You Need   Моё видео о капсулах:    • Dynamic Routing Between Capsules   Аннотация: Изучение объектно-ориентированных представлений сложных сцен — многообещающий шаг на пути к эффективному абстрактному рассуждению на низкоуровневом уровне. Перцептивные особенности. Однако большинство подходов к глубокому обучению изучают распределённые представления, которые не отражают композиционные свойства природных сцен. В данной статье мы представляем модуль Slot Attention – архитектурный компонент, который взаимодействует с перцептивными представлениями, такими как выходные данные сверточной нейронной сети, и создаёт набор абстрактных представлений, зависящих от задачи, которые мы называем слотами. Эти слоты взаимозаменяемы и могут быть привязаны к любому объекту на входе, специализируясь посредством конкурентной процедуры в течение нескольких раундов внимания. Мы эмпирически демонстрируем, что Slot Attention может извлекать объектно-центрические представления, которые позволяют обобщать невиданные композиции при обучении на задачах неконтролируемого обнаружения объектов и контролируемого прогнозирования свойств. Авторы: Франческо Локателло, Дирк Вайсенборн, Томас Унтертинер, Аравинд Махендран, Георг Хейгольд, Якоб Ушкорейт, Алексей Досовицкий, Томас Кипф Ссылки: Ютуб:    / yannickilcher   Твиттер:   / ykilcher   Дискорд:   / discord   BitChute: https://www.bitchute.com/channel/yann... Умы: https://www.minds.com/ykilcher