دموی آزمایشی FlyVis OPTP · ۱۰ ثانیه · بدون صدا
در سمت چپ، مدل مگس و تصاویر ورودی دیده می‌شود. در وسط، طبقه‌بندی صفحه توسط مدل قبلی و مدل جدید مقایسه شده است. در سمت راست، ویژگی‌ها و تصویر (projection) آن‌ها در راستای محورهای افقی و عمودی نمایش داده می‌شود. با تغییر ورودی، می‌توان پیش‌بینی‌های دو مدل را با هم مقایسه کرد. زمان‌های اجرا در مرورگر که در ویدیو دیده می‌شود ممکن است با اندازه‌گیری‌های داخلی جداگانه‌ای که در ادامه آمده است متفاوت باشد.
آیا مدلی کوچک‌تر می‌تواند بهتر ببیند؟
تشخیص صفحه بخشی پایه‌ای از هر اپلیکیشن اسکن کتاب است. تیم توسعه vFlat آزمایشی را برای سبک‌تر کردن مدل تشخیص صفحه OPTP انجام داد. منبع الهامی غیرمنتظره، پژوهش‌هایی درباره بینایی مگس میوه بود.
این نوشته یک آزمایش پژوهش و توسعه را شرح می‌دهد که در ۲۴ شهریور ۱۴۰۵ با تیم به اشتراک گذاشته شد. هدف آن معرفی قابلیتی منتشرشده در vFlat یا اعلام عملکردی تأییدشده روی گوشی‌های مختلف نیست.
وام گرفتن یک ایده، نه کپی کردن یک دستگاه عصبی
توسعه‌دهنده از FlyVis کمک گرفت، اما کل مدار عصبی مگس میوه را کپی نکرد. در عوض، این آزمایش ایده فشرده‌سازی جداگانه اطلاعات در راستای افقی و عمودی به نمایش‌های یک‌بعدی را برگرفت و آن را برای تشخیص صفحه تطبیق داد.
مدل قبلی ویژگی‌ها را با کوچک کردن تدریجی تصویر دوبعدی استخراج می‌کرد. مدل جدید ابتدا ویژگی‌های ساده دوبعدی را به‌سرعت استخراج می‌کند و سپس آن‌ها را در راستای دو محور فشرده و پردازش می‌کند. هدف، کم کردن کاری است که ادامه محاسبه روی کل نمایش فضایی می‌طلبد.
نصف پارامترها، دقت بالاتر در آزمون داخلی
در آزمون داخلی توسعه‌دهنده، دقت از ۹۶٫۵٪ به ۹۸٫۶٪ رسید؛ یعنی ۲٫۱ واحد درصد افزایش. تعداد پارامترها تقریباً نصف شد و حجم محاسبات به حدود یک‌سوم کاهش یافت.
در این گزارش، تأخیر کمتر از ۱ میلی‌ثانیه هم ثبت شده است؛ کمترین مقدار آن ۰٫۴۴ میلی‌ثانیه بود. این نتایج مختص همان پیکربندی آزمایشی است. دستگاه اندازه‌گیری، محیط اجرا، تعداد تکرارها و ترکیب مجموعه آزمون در اینجا ذکر نشده‌اند؛ بنابراین نباید این اعداد را به سرعت روی گوشی‌های مختلف یا دقت در استفاده روزمره تعمیم داد.
هدف بعدی: CPU موبایل
هدف بعدی توسعه‌دهنده این است که مدل را مستقیماً روی CPU موبایل اجرا کند تا مرحله انتقال داده به GPU حذف شود. کاهش حجم محاسبات مدل، فرصت بررسی این مسیر اجرا را فراهم می‌کند.
اینکه CPU موبایل به اندازه کافی سریع باشد، هنوز فرضیه‌ای است که باید آزموده شود. تأخیر روی دستگاه‌های واقعی و دقت در شرایط مختلف عکاسی هنوز باید اعتبارسنجی شوند.
بزرگ‌تر کردن مدل تنها راه نیست
آنچه این آزمایش را جالب می‌کند این است که نتیجه آزمون داخلی بدون بزرگ‌تر کردن مدل بهتر شد. تلاش یک توسعه‌دهنده برای ساده کردن ایده‌ای از حوزه‌ای دیگر و تطبیق آن با مسئله‌ای مشخص، راهی ممکن به سوی تشخیص صفحه سبک‌تر را نشان داده است.
نویسنده: تیم توسعه vFlat. ارقام و جزئیات پیاده‌سازی بر اساس گزارش آزمایشی داخلی توسعه‌دهنده است که در ۲۴ شهریور ۱۴۰۵ به اشتراک گذاشته شد.