Scrimer-Architekturen im maschinellen Lernen und Computer Vision verstehen

Scrimer ist ein Begriff, der im Zusammenhang mit maschinellem Lernen und Computer Vision verwendet wird und sich auf eine Art neuronaler Netzwerkarchitektur bezieht, die für eine gute Leistung bei Aufgaben konzipiert ist, die sowohl Klassifizierungs- als auch Regressionsausgaben erfordern. Der Name „Scrimer“ leitet sich von den Wörtern „Scrim“ (eine Art Netz oder Netz) und „Regressor“ ab, was sich auf ein Modell bezieht, das eine kontinuierliche Ergebnisvariable vorhersagt.

Ein Scrimer ist ein neuronales Netzwerk, das darauf trainiert ist, beides vorherzusagen Klassenbeschriftungen und kontinuierliche Werte, wie z. B. Koordinaten in einem Bild. Das Netzwerk besteht aus mehreren Zweigen, die die Eingabedaten jeweils unterschiedlich verarbeiten. Ein Zweig ist für die Vorhersage der Klassenbezeichnung verantwortlich, während der andere Zweig für die Vorhersage des kontinuierlichen Werts verantwortlich ist. Die Ausgaben dieser beiden Zweige werden dann kombiniert, um die endgültige Ausgabe zu erzeugen. Scrimer-Architekturen haben sich bei einer Vielzahl von Computer-Vision-Aufgaben als effektiv erwiesen, beispielsweise bei der Objekterkennung und -segmentierung, bei denen sowohl Klassifizierungs- als auch Regressionsausgaben erforderlich sind. Sie wurden auch in der Verarbeitung natürlicher Sprache und anderen Anwendungen verwendet, bei denen sowohl kategoriale als auch kontinuierliche Ausgaben erforderlich sind.