Hansı model növlərini tanıyırsınız aşkarlama tapşırıqları üçün (R-CNN ailəsi, YOLO, SSD, DETR)?

Kompüter görmə tapşırıqlarında obyektlərin aşkarlanması üçün bir neçə məşhur memarlıq mövcuddur:

• R-CNN ailəsi (R-CNN, Fast R-CNN, Faster R-CNN): iki mərhələli metodlar, əvvəlcə maraqlı bölgələr (region təklifləri) yaradılır və sonra obyektlərin sərhədləri təsnif edilir və dəqiqləşdirilir. Yüksək dəqiqlik təmin edir, amma daha yavaşdır.

• YOLO (You Only Look Once): tək mərhələli metod, şəkli şəbəkəyə bölür və eyni zamanda obyektlərin siniflərini və koordinatlarını proqnozlaşdırır. Sürətli və real vaxt üçün uyğundur.

• SSD (Single Shot MultiBox Detector): həmçinin tək mərhələli detektor, müxtəlif ölçülü obyektləri aşkar etmək üçün çoxsaylı xüsusiyyət səviyyələrindən istifadə edir. Sürət və dəqiqlik arasında balans.

• DETR (Detection Transformer): müasir yanaşma, transformatorlardan istifadə edərək obyektləri birbaşa proqnozlaşdırır və bölgələrin yaradılmasına ehtiyac yoxdur. Sadə memarlıq və yaxşı nəticələr verir.

Hər bir modelin öz üstünlükləri var və sürət və dəqiqlik tələblərinə uyğun olaraq tətbiq edilir.