محققان در مقالهای جدید به سراغ حل چالش بزرگی در حوزه «تشخیص مکان بصری» (Visual Place Recognition) رفتهاند. معمولاً برای آموزش مدلهای قدرتمند به دادههای عظیم نیاز داریم، اما این کار هزینههای سنگینی دارد.
در این روش نوآورانه، به جای هرس کردن تکتک تصاویر، مدل «مکان» را به عنوان واحد اصلی در نظر میگیرد. با استفاده از دو معیار جدید به نام «تنوع درونمکانی» و «شباهت بینمکانی»، مدل میتواند دادههای زائد را حذف و مجموعهای کوچک اما بسیار باکیفیت و کارآمد برای آموزش بسازد.
این یعنی دقت بالاتر، نیاز به فضای ذخیرهسازی کمتر و سرعت آموزش سریعتر برای سیستمهای بینایی ماشین! 🤖📈
منبع: arXiv Computer Vision