İçeriğe geç
parazade
Yapay Zeka

DETR Nedir?

İngilizce: Detection Transformer

Yayın: · Son güncelleme:

DETR Nedir? Kısaca

DETR (Detection Transformer), nesne tespitini bir küme tahmini problemi olarak ele alan, evrişimli bir omurga ile transformer kodlayıcı-kod çözücüyü birleştirip görüntüdeki nesnelerin konum ve sınıflarını doğrudan tahmin eden uçtan uca bir modeldir.

DETR nedir?
İçindekiler
  1. DETR nedir?
  2. Nasıl çalışır?
  3. Artıları ve eksileri

DETR, "Detection Transformer" ifadesinin kısaltmasıdır ve 2020'de tanıtılan bir nesne tespiti modelidir. Daha önceki yöntemlerde elle tasarlanan pek çok adımı kaldırarak tespiti sade, uçtan uca bir sürece dönüştürmüştür.

DETR nedir?

Klasik tespit modelleri binlerce aday kutu (anchor) üretir, bunları puanlar ve birbirine çok yakın kutuları "maksimum olmayanı bastırma" (NMS) adı verilen bir son işlemle temizler. DETR ise görüntüdeki nesneleri doğrudan, sabit sayıda tahminden oluşan bir küme olarak üretir. Ne anchor ne de NMS gerekir.

Nasıl çalışır?

  1. Omurga: Bir evrişimli sinir ağı (ör. ResNet) görüntüden özellik haritası çıkarır.
  2. Transformer kodlayıcı: Özellikler, konum bilgisiyle birlikte transformer kodlayıcıdan geçerek görüntünün geneli hakkında bağlam kazanır.
  3. Nesne sorguları: Kod çözücüye sabit sayıda (ör. 100) öğrenilebilir "sorgu" verilir. Her sorgu bir nesne tahminine dönüşür: bir kutu ve bir sınıf ya da "nesne yok".
  4. Macar eşleştirmesi: Eğitimde tahminler ile gerçek nesneler bire bir eşleştirilir ve kayıp bu eşleşmeye göre hesaplanır. Böylece aynı nesne için çift tahmin cezalandırılır.

Artıları ve eksileri

Artıları:

  • Basit ve uçtan uca bir mimari
  • Elle ayarlanan anchor ve NMS adımlarının ortadan kalkması
  • Panoptik bölütleme gibi görevlere kolayca genişletilebilmesi

Eksileri:

  • Orijinal sürümün eğitimi uzun sürer, yakınsaması yavaştır.
  • Küçük nesnelerde başarısı görece düşüktür.

Bu eksikleri gidermek için Deformable DETR gibi pek çok türev geliştirilmiştir. DETR, transformer tabanlı tespit modellerinin yaygınlaşmasında dönüm noktası sayılır.

Sıkça Sorulan Sorular

DETR'de nesne sorgusu ne işe yarar?

Nesne sorguları, kod çözücüye verilen öğrenilebilir vektörlerdir. Her biri görüntüdeki olası bir nesneyi temsil eder ve sonunda bir kutu ile sınıf tahminine ya da 'nesne yok' sonucuna dönüşür.

DETR neden NMS kullanmaz?

Eğitim sırasında Macar eşleştirmesiyle her gerçek nesne yalnızca bir tahminle eşleştirilir. Model böylece aynı nesne için birden fazla kutu üretmemeyi öğrenir ve sonradan kutuları temizleme ihtiyacı ortadan kalkar.

İlgili terimler

Nesne Tespiti(Object Detection)Nesne tespiti (object detection), bir görüntü ya da videodaki nesnelerin ne olduğunu sınıflandıran ve her birinin konumunu bir sınırlayıcı kutu ile belirleyen bilgisayarlı görü görevidir.TransformerTransformer, metin gibi sıralı verileri dikkat mekanizmasıyla paralel işleyen ve büyük dil modellerinin çoğunun temelini oluşturan bir sinir ağı mimarisidir.YOLOYOLO (You Only Look Once, yalnızca bir kez bak), bir görüntüdeki nesnelerin konumunu ve türünü tek bir sinir ağı geçişiyle tahmin eden nesne tespit yöntemidir. Hızlı olduğu için video gibi gerçek zamanlı uygulamalarda yaygın kullanılır.R-CNNR-CNN (Regions with CNN features, CNN özellikli bölgeler), bir görüntüde nesne olabilecek aday bölgeleri önerip her birini evrişimli sinir ağıyla sınıflandıran iki aşamalı bir nesne tespit yöntemidir. Derin öğrenmeyi nesne tespitine taşıyan öncü çalışmalardan biridir.Evrişimli Sinir Ağı(Convolutional Neural Network)Evrişimli sinir ağı (CNN), görüntü gibi ızgara yapılı verilerde küçük filtreleri veri üzerinde kaydırarak kenar, doku ve şekil gibi özellikleri katman katman öğrenen bir derin öğrenme mimarisidir.Özellik(Feature)Özellik (feature), makine öğrenmesinde her bir örneği tanımlayan ve modelin tahmin yaparken girdi olarak kullandığı ölçülebilir nitelik ya da değişkendir. Örneğin ev fiyatı tahmininde metrekare, oda sayısı ve konum birer özelliktir.