quot； 维之间“；目标检测模型hold生活在各种画风中，并且可以识别真实的赛博蒂拉诺梵高的画复旦出身的一部作品在线Demo可以玩-量子位，
AI的目标检查种类有20000+种，你看过吗？
不仅能准确地“捏出”每个物体所在的位置，而且分类效果也非常准确。
这项研究来自Meta AI和德克萨斯大学奥斯汀分校，一部是著名的目标检测框架CenterNet的作者，复旦出身的Xingyi Zhou。
我们一起看看吧。
在一篇可以识别“跨维”物体的论文中，我们提出了一种新的Detic方法来解决不能用于图像级标签（标记整个图像，标记里面有什么）目标检测的问题。
迄今为止的目标检测方法通常是一个检测框中的一个物体。
该方法存在这样的问题：不能利用整个图像级标签，只能用单个物体的图像进行训练。
一些研究试图进行弱监控学习，让AI自己学会将图像级标签对应于锚框中的是什嚒，其实这种方法的效果也不是很好。
Detic方法使用目标检测数据（a）和图像标签数据）b）对Detic进行混合训练。
其中，在用目标检测数据训练Detic时，同时训练图像分类模块w和目标检测模块b，但仅用标签数据训练图像分类模块w。
培训的数据集采用ImageNet，经验证，该模型在培训后无需微调，即可很好地适应LVIS等数据集，对以前的一些模型有很好的效果：
根据论文，Detic能分类的图像的类型也各种各样，从实际的照片到象赛博的插图一样的「超越了次元的」作品能识别。
这很快就吸引了很多网友来玩。
在线Demo是网友用梵高的世界名画尝试的。
放大来看，艺术加工的椅子，人和桌子也可以识别：
有些人用二维龙猫来识别。除了龙猫本身被误认为猫头鹰以外，伞和靴子也不错。
我们也随便用表壳的照片试了一下。在线Demo的检测时间稍长，大约需要6分钟左右，但很有效：
仔细一看，你会发现一些缺陷，比如把手表的一部分误认为是转速表，还有怀表和手表，还有一两个没有检测出来的手表。
但是，即使是二维和插图，这个AI能识别的物体，至少需要在真实世界中出现。
例如吐火焰的龙和皮卡丘等超过20000个分类的物体，不属于AI的监视对象，全部被识别为猴子（狗的头）：
这些二维角色也放入AI训练数据集，不知道能不能得到同样的检查效果。
作者介绍
（这张照片是她拍的。）
论文为Xingyi Zhou，目前在德克萨斯大学奥斯汀分校读博学，本科就读于复旦大学计算机系，以前也是CenterNet论文的第一作者，项目在GitHub目前获得6.1k Star。
Rohit Girdhar、Armand Joulin和Ishan Misra、Meta AI的研究科学家，主要研究方向是机器学习和计算机视觉，此前Armand Joulin在李飞飞的实验室里充当博士后。
Philipp Krhenbühl，德克萨斯大学奥斯汀分校助理教授，Xingyi Zhou的指导者。研究方向是计算机视觉，机器学习，计算机图形。
有兴趣的朋友，试着尝试一下想马上玩的漫画和杂志的插图吧~
Demo礼服：https//huggingface.co/spaces/Akhaliq/detic
论文地址：https：//arxiv.org/ABS/2201.02605
参考链接：[1]https：//www.cs.utexas.edu/~zhouxy/[2]https：//Twitter.com/AK92501/status/1480704961010101