Kokiais atvejais verta naudoti dviejų žingsnių detektorių gamyboje?

Mašininio mokymosi dviejų etapų detektorius paprastai naudojamas objektų aptikimo užduotyse, kur reikalingas didelis tikslumas ir patikimumas. Gamyboje rekomenduojama naudoti šiuo atveju:

• Reikalingas didelis aptikimo tikslumas: dviejų etapų modeliai, tokie kaip Faster R-CNN, pirmiausia generuoja regionų pasiūlymus, o tada juos klasifikuoja, tai pagerina aptikimo kokybę.
• Klaidų teigiamų apribojimai: jei svarbu sumažinti klaidingus teigiamus, dviejų etapų požiūris padeda geriau filtruoti objektus.
• Pakankami skaičiavimo ištekliai: dviejų etapų detektoriai dažnai reikalauja daugiau išteklių, todėl juos naudoja, kai infrastruktūra leidžia.
• Sudėtingos scenos su daugybe objektų: kai objektai persidengia arba turi sudėtingas formas, dviejų etapų modeliai rodo geresnius rezultatus.

Gamyboje dažnai derinami dviejų etapų detektoriai su optimizacijomis (pavyzdžiui, kvantavimu, pruning) ir naudojami modelių eksportą palaikantys karkasai, siekiant efektyvios inferencijos.