> ML_ALGORITHM // MASKED-AUTOENCODER-MAE_v1.0
Maskelenmiş Otomatik Kodlayıcılar (MAE)
Girdi görüntü yamalarının yüksek bir oranını (%75) maskeleyen ve piksel değerlerini yeniden oluşturmak için asimetrik bir otomatik kodlayıcı eğiten ölçeklenebilir görsel model.
Masked Image Modelingself-supervisedblack-boxlarge (>100k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(epochs * (0.25 * ViT_encoder + ViT_lightweight_decoder))
Çıkarım (Inference):O(ViT_encoder)
Donanım Karakteristiği
CPU Uygunluğu:Hayır
GPU Zorunluluğu:Evet
Bellek Ayak İzi:high
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:black-box
Eğitim Verisi İhtiyacı:large (>100k)
Açıklanabilirlik Değerlendirmesi
Anlamsal görsel anlayışı doğrulamak için yeniden yapılandırma çıktıları doğrudan görsel olarak incelenebilir.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
feature extractionimage classificationobject detection
Desteklenen Modaliteler:
imagevideo
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
Masked Autoencoders Are Scalable Vision Learners (MAE)Kaiming He, Xinlei Chen (2022) · IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- Düşük maskeleme oranları (<%50) kullanmak, anlamsal özellik öğrenmek yerine komşu piksellerden önemsiz enterpolasyona yol açar