محققان به تازگی در پژوهشی جدید، راهکاری خلاقانه برای بهبود دقت «جعبههای محدودکننده» (Bounding Boxes) در سیستمهای بینایی ماشین معرفی کردهاند.
مشکل اصلی مدلهای فعلی این است که تنها بر جنبههای هندسی تکیه میکنند و در تعیین جهت اشیاء، با نوسان و ناپایداری در گرادیانها مواجه میشوند. این روش جدید با نام FrSIoU، با ترکیب ویژگیهای «معنایی» و «هندسی» و استفاده از یک فرمولبندی «کسری» (Fractional-order)، یادگیری مدل را تثبیت کرده و دقت تشخیص در تصاویر را به طرز چشمگیری افزایش میدهد.
این پیشرفت میتواند مسیر را برای درک بهتر محیط توسط خودروهای خودران و رباتها هموارتر کند. 🤖📸
منبع: arXiv Computer Vision