[ad_1]
Seringkali, gambar diambil dengan smartphone sedikit miring dari orientasi tegak yang tepat. Makalah terbaru di arXiv.org menyajikan solusi AI Pada Perangkat untuk deteksi sudut kemiringan otomatis gambar ponsel cerdas.
Model yang diusulkan membuat kesimpulan menggunakan CPU atau GPU seluler dengan nilai latensi rendah dan, pada saat yang sama, menghormati privasi pengguna dengan menghilangkan kebutuhan untuk mengunggah gambar ke server untuk diproses.
Kredit gambar: Cristina Zaragoza/Unsplash, lisensi gratis
Sementara kernel convolutional tradisional hanya mencari fitur yang berbeda dalam gambar dan bukan posisi relatifnya, para peneliti mengusulkan jaringan yang mampu mempelajari informasi spasial. Selain itu, pendekatan pelatihan yang sederhana namun efektif disarankan untuk menangani masalah deteksi kemiringan gambar.
Kombinasi arsitektur yang diusulkan dan pendekatan pelatihan memberikan hasil mutakhir untuk mendeteksi kemiringan gambar untuk perangkat seluler secara real-time.
Kontribusi utama dari pekerjaan kami ada dua. Pertama, kami menghadirkan MobileNet Self-Attention, yang disebut SA-MobileNet Network yang dapat memodelkan ketergantungan jarak jauh antara fitur gambar alih-alih memproses wilayah lokal seperti yang dilakukan oleh kernel convolutional standar. SA-MobileNet berisi modul self-attention yang terintegrasi dengan blok bottleneck terbalik dari model MobileNetV3 yang menghasilkan pemodelan perhatian saluran dan perhatian spasial fitur gambar dan pada saat yang sama memperkenalkan arsitektur self-attention baru untuk low-attention perangkat sumber daya. Kedua, kami mengusulkan jalur pelatihan baru untuk tugas deteksi kemiringan gambar. Kami menangani masalah ini dalam skenario multi-label di mana kami memprediksi beberapa sudut untuk gambar input miring dalam interval sempit kisaran 1-2 derajat, tergantung pada dataset yang digunakan. Proses ini menginduksi korelasi implisit antara label tanpa overhead komputasi dari metode orde kedua atau lebih tinggi dalam pembelajaran multi-label. Dengan kombinasi pendekatan baru dan arsitektur, kami menyajikan hasil mutakhir dalam mendeteksi sudut kemiringan gambar pada perangkat seluler dibandingkan dengan model MobileNetV3. Terakhir, kami menetapkan bahwa SA-MobileNet lebih akurat daripada MobileNetV3 pada set data SUN397, NYU-V1, dan ADE20K masing-masing sebesar 6,42%, 10,51%, dan 9,09%, dan lebih cepat setidaknya 4 milidetik pada Snapdragon 750 Octa-core.
Makalah penelitian: Garg, S., Prasanna Mohanty, D., Prasad Thota, S., dan Moharana, S., “A Simple Approach to Image Tilt Correction with Self-Attention MobileNet for Smartphones”, 2021. Tautan: https://arxiv.org/abs/2111.00398
[ad_2]
