YoloR : Redes Unificadas Implícita e Segmentação Panótica.

O YOLO-R acaba de ser lançado (paper publicado em maio) e apresenta um novo contexto no setor de visão computacional. 

YOLO é um acrônimo em inglês que significa: You Only Look Once, numa tradução literal, você só olha uma vez, e foi este o nome dado ao algoritmo que vem revolucionando a Visão Computacional. Sua primeira versão trouxe a grande evolução de detectar e reconhecer vários objetos em uma imagem, em RealTime. Do YOLO 1 ao YOLO 4 tivemos sempre saltos de performance, acurácia, velocidade e na precisão e eficiência de detecção de imagens.

A mais nova versão deste algoritmo é o YoloR, batizada pelos seus autores como: You Only Learn One Representation (você só aprende uma representação) e impressiona mais uma vez com grandes evoluções!

Para entendermos melhor essa evolução, vale lembrar que até então, uma Rede Neural Convolucional reconhecia um objeto, um animal ou um ser humano de maneira muito consistente. Mas a CNN (Convolutional Neural Network - Rede Neural Convolucional) conseguia fazer apenas uma coisa por vez. Tentar identificar a ação de uma determinada pessoa e a sua vestimenta, prejudicava a acurácia e/ou desempenho dependendo da técnica aplicada. Se compararmos o aprendizado humano com o aprendizado da máquina, as  pessoas conseguem ver e identificar todos os tipos de informações em uma imagem, e também "entendem" o mundo por meio da visão, audição, tato, na maioria das vezes, todos estes sentidos são utilizados de maneira integrada.

A proposta do YOLO-R é ser uma rede unificada, projetado para fazer a inferência com imagens, sons e textos.

Outro detalhe importante, é o modelo de aprendizado. 

O aprendizado humano pode acontecer de maneira intencional, onde dedica-se atenção ao objetivo do aprendizado, que chamamos de aprendizado explícito,  ou de maneira subconscientemente, que chamamos de aprendizado implícito. Essas experiências aprendidas por meio do aprendizado explícito ou implícito são de alguma maneira armazenadas no cérebro. Correlacionando as experiências de aprendizados e o armazenamento do cérebro humano com um enorme banco de dados, podemos dizer que os seres humanos podem processar dados com eficácia, mesmo que eles não sejam totalmente conhecidos.

O conhecimento implícito refere-se ao aprendizado involuntário, o conhecimento explícito é aplicado em Deep Learning. Pois o aprendizado ocorre baseado em técnicas holísticas (aprendizado baseado na observação).

Uma maneira de exemplificar em visão computacional, o modelo explícito reconhecerá um computador, já o modelo implícito reconhecerá o botão power, o leitor de DVD, se encontra no estado ligado e outros detalhes. 

O YOLO R propõe uma rede unificada para codificar o conhecimento implícito e o conhecimento explícito juntos, assim como o cérebro humano. A rede unificada pode gerar uma representação unificada para servir simultaneamente a várias tarefas. Podendo assim refinar predição e aprendizado multitarefa em uma rede neural convolucional. Os resultados demonstram que quando o conhecimento implícito é introduzido na rede neural, ele beneficia o desempenho de todas as tarefas. Analisamos ainda a representação implícita aprendida com a rede unificada proposta, e ela mostra grande capacidade em captar o significado físico de diferentes tarefas.

Logo podemos entender que o YoloR é uma implementação do aprendizado explícito e implícito multitarefa com uma rede unificada  (arquitetura de modelo único ) que analisa imagens, sons e textos. Logo, várias tarefas podem ser realizadas. No paper https://arxiv.org/abs/2105.04206 os autores mencionam experimentações com detecção de legenda, objetos, segmentação de instância, segmentação panótica, e muito outros no futuro. Compreensivelmente, este novo Deep Learning Implícito e Unificado, contém muito mais matemática envolvida em sua arquitetura unificada.

Segmentação Panótica



Sobre performance: Comparando o YoloR com os algoritmos de última geração no estado da arte, como o Yolov4, EfficientDet e outros, o YoloR demonstra acurácia similar. Entretanto é assustador a performance em FPS (quase o dobro)!

Em breve mais detalhes de Implementação deste novo brinquedo no setor de IA com visão computacional.