Forståelse af Scrimer-arkitekturer i maskinlæring og computersyn

Scrimer er et udtryk, der bruges i forbindelse med maskinl
ring og computersyn for at henvise til en type neural netv
rksarkitektur, der er designet til at fungere godt på opgaver, der kr
ver både klassificerings- og regressionsoutput. Navnet "scrimer" er afledt af ordene "scrim" (en type mesh eller net) og "regressor", som refererer til en model, der forudsiger en kontinuerlig udfaldsvariabel.

En scrimer er et neuralt netv
rk, der er tr
net til at forudsige både klasseetiketter og kontinuerlige v
rdier, såsom koordinater i et billede. Netv
rket består af flere grene, som hver behandler inputdata forskelligt. Den ene gren er ansvarlig for at forudsige klasseetiketten, mens den anden gren er ansvarlig for at forudsige den kontinuerlige v
rdi. Outputtene fra disse to grene kombineres derefter for at producere det endelige output.

Scrimer-arkitekturer har vist sig at v
re effektive i en r
kke computervisionsopgaver, såsom objektdetektering og segmentering, hvor både klassifikations- og regressionsoutput er påkr
vet. De er også blevet brugt i naturlig sprogbehandling og andre applikationer, hvor der er behov for både kategoriske og kontinuerlige output.