Новости из мира науки, технологий и авто
Источник фото: pixabay.com Ученые разработали модель, способную изучать 3D-объекты в открытом режиме, используя подход, основанный на глубоком переносе, в сочетании с динамически расширяемыми слоями, который также гарантирует, что эти побочные эффекты в значительной степени сведены к минимуму. Они доказали, что эта модель устанавливает новый современный стандарт не только в отношении точности, но и сложности вычислений.
Сервисные роботы, как правило, должны работать независимо друг от друга и адаптироваться к динамическим изменениям в окружающей среде. Одним из важных аспектов таких сценариев является постоянное обучение распознаванию новых объектов, когда они появляются в поле зрения.
Это объединяет две основные исследовательские проблемы, а именно непрерывное обучение и распознавание трехмерных объектов. Большинство существующих исследовательских подходов использует в основном глубокие сверточные нейронные сетей (CNN) с упором на наборы данных изображений.
Для постоянного изучения 3D-объектов может потребоваться модифицированный подход. Основная проблема при использовании CNN заключается в катастрофическом забывании, когда модель пытается изучить новые данные.
