Comprensione delle architetture Scrimer nell'apprendimento automatico e nella visione artificiale

Scrimer è un termine utilizzato nel contesto dell'apprendimento automatico e della visione artificiale per riferirsi a un tipo di architettura di rete neurale progettata per eseguire bene attività che richiedono sia output di classificazione che di regressione. Il nome "scrimer" deriva dalle parole "scrim" (un tipo di maglia o rete) e "regressore", che si riferisce a un modello che prevede una variabile di risultato continua.

Uno scrimer è una rete neurale addestrata a prevedere entrambi etichette di classe e valori continui, come le coordinate in un'immagine. La rete è composta da più filiali, ciascuna delle quali elabora i dati di input in modo diverso. Un ramo è responsabile della previsione dell'etichetta della classe, mentre l'altro ramo è responsabile della previsione del valore continuo. Gli output di questi due rami vengono quindi combinati per produrre l'output finale.

Le architetture Scrimer hanno dimostrato di essere efficaci in una varietà di attività di visione artificiale, come il rilevamento e la segmentazione di oggetti, dove sono richiesti sia output di classificazione che di regressione. Sono stati utilizzati anche nell'elaborazione del linguaggio naturale e in altre applicazioni in cui sono necessari output sia categorici che continui.