🫛 ‏ معرفی مدل UpCount برای شمارش هوشمند اشیاء

⚡ ‏ مدل جدید UpCount یک رویکرد پیشرفته و کاملاً Class-Agnostic (بدون وابستگی به کلاس اشیاء) برای شمارش اشیاء ارائه می‌دهد که نیاز به نمونه مرجع ندارد. این معماری با بهره‌گیری از یک ViT (مدل مبتنی بر ترنسفورمر) که با روش MAE پیش‌آموزش دیده، دقت بالایی در تحلیل‌های بصری کسب کرده است.

🔬 ‏ در این سیستم، بازسازی ویژگی‌ها به سبک DPT و تکنیک Joint Bilateral Upsampling (افزایش رزولوشن با حفظ لبه‌ها) مشابه متد FeatUp ترکیب شده‌اند. این ترکیب قدرتمند امکان استخراج نقشه‌های تراکم دقیق را فراهم می‌کند.

🧠 ‏ فرآیند کاری مدل شامل ۸ مرحله حیاتی است که با دریافت تصویر ورودی شروع می‌شود. پس از استخراج ویژگی‌های اصلاح‌شده برای شمارش و تعیین پیشنهادات (Proposal)، سیستم از یک Verifier-head برای افزایش اطمینان تایید استفاده می‌کند.

📊 ‏ خروجی نهایی حاصل ضرب نقشه پیشنهادات در لایه تایید است که در نهایت اشیاء را با دقت Pixel-wise مشخص می‌کند.

🔗 ‏ GitHub

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#UpCount #Class_Agnostic