Nvidia的STEAL AI为神经网络带你遇见更好的计算机视觉
近段时间，来自Nvidia、多伦多大学和多伦多人工智能矢量研究所的研究人员设计了一种更精确地检测和预测物体开始和结束位置的方法。这些知识可以改进对现有计算机视觉模型的推理，并为未来的模型标记训练数据。
在研究人员的实验中，STEAL（Semantically Thinned Edge Alignment Learning）能够将最先进的CASENet语义边界预测模型的精度提高4％。更精确地识别对象的边界可以具有从图像生成到3D重建到对象检测的计算机视觉任务的应用。
STEAL可用于改进现有的CNN或边界检测模型，但研究人员认为它还可以帮助他们更有效地标记或注释计算机视觉模型的数据。为证明这一点，STEAL方法用于细化城市景观，这是2016年首次在计算机视觉和模式识别（CVPR）会议上引入的城市环境数据集。
现在，在GitHubGitHub - nv-tlabs/STEAL: STEAL - Learning Semantic Boundaries from Noisy Annotations上，STEAL框架以像素为单位学习和预测对象边缘，研究人员称之为“主动对齐”。在训练期间对注释噪声进行显式推理，并为网络提供一个从端到端排列不当的标签中学习的水平集公式，也有助于产生结果。
据arXiv的报道，研究作者在4月发表的一篇论文中说道，“我们进一步表明，我们预测的边界明显优于最新的DeepLab-v3分割输出，同时使用更轻量级的架构。“并于6月9日修订。
在最近的其他新闻中，Nvidia表示它将支持英国制造商Arm在2020年的高性能计算硬件，以及Nvidia的推理软件TensorRT开源解析器和插件，以实现更多定制。
来源：https://venturebeat.com/2019/06/17/nvidias-steal-ai-gives-neural-networks-better-computer-vision/