In this work we leverage the expres

In this work we leverage the expressivity of DNNs for object detector. We show that the simple
formulation of detection as DNN-base object mask regression can yield strong results when applied
using a multi-scale course-to-fine procedure. These results come at some computational cost at
training time – one needs to train a network per object type and mask type. As a future work we aim
at reducing the cost by using a single network to detect objects of different classes and thus expand
to a larger number of classes

ผลลัพธ์ (ไทย) 1:

ในงานนี้ เราใช้ประโยชน์จากความกังวานของ DNNs สำหรับเครื่องตรวจจับวัตถุ เราแสดงที่ง่ายสูตรของการตรวจสอบเป็น DNN ฐานวัตถุหน้ากากถดถอยสามารถให้ผลลัพธ์ที่แข็งแกร่งเมื่อใช้ใช้หลักสูตรเพื่อปรับกระบวนการหลายระดับ ผลลัพธ์เหล่านี้มาในบางค่าคำนวณเวลาฝึก – หนึ่งต้องฝึกเครือข่ายต่อชนิดของวัตถุและชนิดหน้ากาก เป็นการทำงานในอนาคตที่เรามุ่งมั่นในการลดต้นทุนโดยใช้เครือข่ายเดียวเพื่อตรวจหาวัตถุของคลาสที่แตกต่างกัน และจึง ขยายการเรียนต่อ

ผลลัพธ์ (ไทย) 2:

ในงานนี้เราใช้ประโยชน์จาก expressivity ของ DNNs สำหรับเครื่องตรวจจับวัตถุ เราแสดงให้เห็นว่าง่าย
สูตรของการตรวจสอบเป็นหน้ากาก DNN ฐานวัตถุถดถอยสามารถให้ผลผลิตผลลัพธ์ที่แข็งแกร่งเมื่อนำมา
ใช้หลายขนาดหลักสูตรการปรับขั้นตอน ผลเหล่านี้มาที่บางส่วนค่าใช้จ่ายในการคำนวณที่
เวลาการฝึกอบรม - หนึ่งต้องการในการฝึกอบรมเครือข่ายต่อวัตถุชนิดและประเภทของหน้ากาก ในฐานะที่เป็นการทำงานในอนาคตเรามีจุดมุ่งหมาย
ที่จะลดค่าใช้จ่ายโดยใช้เครือข่ายเดียวในการตรวจสอบวัตถุของการเรียนที่แตกต่างกันและทำให้การขยาย
ไปยังหมายเลขที่มีขนาดใหญ่ของชั้นเรียน

ผลลัพธ์ (ไทย) 3:

ในงานนี้เราใช้ประโยชน์จาก expressivity ของ dnns สำหรับตรวจจับวัตถุ เราแสดงให้เห็นว่าง่ายการตรวจหาวัตถุที่ถดถอยหน้ากาก dnn ฐานผลผลิตผลลัพธ์ที่แข็งแกร่งเมื่อใช้การใช้หลักสูตรหลายมาตราส่วนขั้นตอนดี ผลลัพธ์เหล่านี้มาคำนวณต้นทุนที่บาง- เวลาฝึกต้องฝึกเครือข่ายต่อชนิดของวัตถุและชนิดของหน้ากาก เป็นเป้าหมายการทำงานในอนาคตเราเพื่อลดต้นทุนโดยการใช้เครือข่ายเดียวเพื่อตรวจจับวัตถุของคลาสที่แตกต่างกันและจึงขยายเป็นตัวเลขขนาดใหญ่ของชั้นเรียน