Inzicht in Scrimer-architecturen in machine learning en computervisie

Scrimer is een term die in de context van machinaal leren en computervisie wordt gebruikt om te verwijzen naar een type neurale netwerkarchitectuur die is ontworpen om goed te presteren bij taken die zowel classificatie als regressie-output vereisen. De naam 'scrimer' is afgeleid van de woorden 'scrim' (een soort gaas of net) en 'regressor', wat verwijst naar een model dat een continue uitkomstvariabele voorspelt. Een scrimer is een neuraal netwerk dat is getraind om zowel klasselabels en doorlopende waarden, zoals coördinaten in een afbeelding. Het netwerk bestaat uit meerdere vestigingen, die de invoergegevens elk op een andere manier verwerken. Eén tak is verantwoordelijk voor het voorspellen van het klassenlabel, terwijl de andere tak verantwoordelijk is voor het voorspellen van de continue waarde. De outputs van deze twee takken worden vervolgens gecombineerd om de uiteindelijke output te produceren. Het is aangetoond dat Scrimer-architecturen effectief zijn bij een verscheidenheid aan computer vision-taken, zoals objectdetectie en segmentatie, waarbij zowel classificatie- als regressie-outputs vereist zijn. Ze zijn ook gebruikt bij de verwerking van natuurlijke taal en andere toepassingen waarbij zowel categorische als continue output nodig is.