همانطور که میدانید، یکی از چالشهای بزرگ در بینایی ماشین، تشخیص اشیاء در تصاویر «پوشیده» (Occluded) است؛ یعنی وقتی بخشی از یک سوژه توسط سوژه دیگری مخفی شده باشد.
محققان به تازگی مجموعه داده جدید و عظیمی به نام COCO-OLAC را معرفی کردهاند که تصاویر را بر اساس سطح پوشیدگی دستهبندی میکند. این کار به مدلهای هوش مصنوعی کمک میکند تا یاد بگیرند در شرایط سخت و تصاویر پیچیده، عملکرد بسیار دقیقتری داشته باشند.
آنها همچنین یک روش جدید مبتنی بر یادگیری کنتراستی (Contrastive Learning) ارائه دادند که باعث میشود مدلها در مواجهه با اشیاءِ پنهان، بازنماییهای بسیار مقاومتری بسازند و در نهایت دقت سیستمهای بینایی ماشین افزایش یابد. گام مهم دیگری در هوشمندتر شدن چشمِ دیجیتالِ AI! 🤖👁️
منبع: arXiv Computer Vision