🚀 بهینه‌سازی هوش مصنوعی؛ آیا واقعاً به تمام توکن‌ها برای شناسایی مکان نیاز داریم؟ 🗺️🤖

⚠️ هشدار به محققان: چرا دقت مدل‌های شناسایی پهپاد گاهی «واقعی» نیست؟

محققان در پژوهشی جدید به سراغ چالش «تشخیص مکان بصری» (Visual Place Recognition) رفته‌اند تا ببینند چطور می‌توان با حذف توکن‌های غیرضروری در مدل‌های بینایی ماشین، سرعت و کارایی آن‌ها را به شدت افزایش داد.

نتایج این تحقیق نشان می‌دهد که با تکنیک‌های هوشمندِ هرس (Pruning) و ادغام توکن‌ها، می‌توان تا ۲۹٪ هزینه‌های محاسباتی را کاهش و ۴۴٪ سرعت پردازش را افزایش داد، آن هم با افت دقتی کمتر از ۱٪! این دستاورد گام بزرگی برای اجرای مدل‌های پیشرفته روی دستگاه‌های لبه (Edge Devices) و کاربردهای بلادرنگ است.

منبع: arXiv Computer Vision