Zrozumienie architektur Scrimer w uczeniu maszynowym i wizji komputerowej

Scrimer to termin używany w kontekście uczenia maszynowego i widzenia komputerowego w odniesieniu do typu architektury sieci neuronowej zaprojektowanej tak, aby dobrze radziła sobie z zadaniami wymagającymi zarówno wyników klasyfikacji, jak i regresji. Nazwa „scrimer” pochodzi od słów „scrim” (rodzaj siatki lub siatki) i „regresor”, które odnosi się do modelu przewidującego ciągłą zmienną wyniku.

Scrimer to sieć neuronowa wyszkolona do przewidywania obu etykiety klas i wartości ciągłe, takie jak współrzędne na obrazie. Sieć składa się z wielu gałęzi, z których każda inaczej przetwarza dane wejściowe. Jedna gałąź jest odpowiedzialna za przewidywanie etykiety klasy, druga za przewidywanie wartości ciągłej. Wyniki tych dwóch gałęzi są następnie łączone w celu uzyskania końcowego wyniku. Wykazano, że architektury Scrimer są skuteczne w różnych zadaniach związanych z wizją komputerową, takich jak wykrywanie obiektów i segmentacja, gdzie wymagane są zarówno wyniki klasyfikacji, jak i regresji. Stosowano je również w przetwarzaniu języka naturalnego i innych zastosowaniach, w których potrzebne są zarówno dane wyjściowe kategoryczne, jak i ciągłe.