محققان در مطالعهای جدید، فریمورک نوآورانهای به نام FressDet را معرفی کردهاند که انقلابی در شناسایی اشیاء در تصاویر چندطیفی (Multispectral) ایجاد میکند.
مشکل اصلی سیستمهای فعلی، ناتوانی در مدیریت چرخش اشیاء و تحلیل دقیق ویژگیهای طیفی و فضایی است. اما FressDet با بهرهگیری از یادگیری «چرخش-همتغییر» (Rotation-Equivariant)، نه تنها دقت را به شدت بالا برده، بلکه با ۹۳٪ پارامتر کمتر نسبت به مدلهای قبلی، به عملکردی خیرهکننده دست یافته است. این یعنی کارایی بیشتر و پردازش دقیقتر حتی در شرایط چرخشهای پیچیده! 🤖✨
منبع: arXiv Computer Vision