記者14日從中科院合肥研究院獲悉，該院智能所先進制造技術(shù)研究中心王紅強研究員團隊提出了一種新型目標(biāo)檢測人工智能框架，為快速高精度實時在線目標(biāo)識別提供了新的解決方案。

相關(guān)工作發(fā)表在計算機科學(xué)及工程技術(shù)領(lǐng)域頂刊 Expert Systems With Applications上。

近年來，深度學(xué)習(xí)理論驅(qū)動了人工智能技術(shù)飛躍式發(fā)展，基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)在許多產(chǎn)業(yè)應(yīng)用中取得巨大成功，其中快速實時目標(biāo)檢測是人工智能技術(shù)產(chǎn)業(yè)應(yīng)用的重要需求。一直以來，快速實時目標(biāo)檢測研究主要依賴研發(fā)輕量型神經(jīng)網(wǎng)絡(luò)模型(或邊緣計算等)提高目標(biāo)檢測速度，但效率與精度往往不能兼顧，成為當(dāng)前目標(biāo)檢測前沿研究與產(chǎn)業(yè)應(yīng)用的重要挑戰(zhàn)之一。

此外，由于深度學(xué)習(xí)自身的特性，檢測精度再提升往往伴隨著巨大的計算代價和時間開銷，造成在許多場景下部署和再升級瓶頸。

該科研團隊通過研究分析發(fā)現(xiàn)，基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)主要缺陷之一在于重復(fù)的特征提取與融合深度網(wǎng)絡(luò)結(jié)構(gòu)，產(chǎn)生不必要的計算代價。為此，科研人員提出一種多輸入單輸出目標(biāo)識別框架(MiSo)，在此框架下，科研團隊設(shè)計了感受野調(diào)節(jié)機制、殘差注意力自學(xué)習(xí)機制、基于eRF動態(tài)平衡抽樣策略三種新的學(xué)習(xí)機制，實現(xiàn)了更加簡潔高效地提取熱點特征信息，并驗證了該模型的優(yōu)越性。

據(jù)介紹，該方法為目標(biāo)檢測前沿研究與產(chǎn)業(yè)應(yīng)用提供了新的思路。(吳蘭 陳坤）