„Google Pixel 5“?
„Google“ turi paskelbė, kad yra keli duomenų rinkiniai susideda iš įvairių, bet ribotų natūralių vaizdų. Paieškos gigantas yra įsitikinęs, kad viešai prieinami duomenys lems tempą Mašinų mokymasis ir dirbtinis intelektas tuo pačiu sumažinant laiką, per kurį dirbtinio intelekto modeliai mokomi naudojant minimalų duomenų kiekį. „Google“ vadina naują iniciatyvą „Nemokami metaduomenų rinkiniai“, kuri padės dirbtinio intelekto modeliams „mokytis“ naudojant mažiau duomenų. Bendrovės „Few-Shot AI“ yra optimizuotas, kad dirbtinis intelektas išmoktų naujų klasių tik iš kelių tipiškų vaizdų.
Suprasdama būtinybę greitai apmokyti dirbtinio intelekto ir mašininio mokymosi modelius, turint mažiau duomenų rinkinių, „Google“ išleido „Meta-Dataset“ - nedidelį vaizdų rinkinį, kuris turėtų padėti sumažinti duomenų kiekį, reikalingą algoritmų tikslumui pagerinti. Bendrovė tvirtina, kad naudojant kelių kadrų vaizdų klasifikavimo metodus, AI ir ML modeliai įgis tas pačias įžvalgas iš daug mažiau reprezentatyvių vaizdų.
„Google AI“ skelbia metaduomenų rinkinį: duomenų rinkinių, skirtų mokytis keletu kadrų, rinkinys:
Gilus mokymasis dirbtinio intelekto ir mašininio mokymosi srityje gana ilgą laiką augo eksponentiškai. Tačiau pagrindinis reikalavimas yra aukštos kokybės duomenų prieinamumas ir jų per didelis kiekis. Didelį kiekį rankiniu būdu anotuotų mokymo duomenų dažnai sunku įsigyti, kartais jie taip pat gali būti nepatikimi. Suprasdama didelių duomenų rinkinių riziką, „Google“ paskelbė, kad yra prieinama metaduomenų rinkinių kolekcija.
Per „ Meta duomenų rinkinys: Duomenų rinkinys, skirtas mokytis mokytis iš kelių pavyzdžių “(Pristatyta ICLR 2020 m ), „Google“ pasiūlė plataus masto ir įvairų etaloną, skirtą įvertinti skirtingų vaizdų klasifikavimo modelių kompetenciją realistiškoje ir sudėtingoje kelių kadrų aplinkoje, ir siūlo sistemą, kurioje galima ištirti keletą svarbių kelių kadrų klasifikavimo aspektų. Iš esmės „Google“ siūlo 10 viešai prieinamų ir nemokamų naudoti natūralių vaizdų duomenų rinkinius. Šiuos duomenų rinkinius sudaro „ImageNet“, CUB-200-2011, „Fungi“, ranka rašyti simboliai ir papuošti logotipai. Kodas yra visuomenės ir apima a sąsiuvinis tai parodo, kaip galima naudoti metaduomenų rinkinį „TensorFlow“ ir „PyTorch“ .
Kelių smūgių klasifikacija viršija standartinio mokymo ir gilaus mokymosi modeliai . Testo metu reikia apibendrinti visiškai naujas klases. Kitaip tariant, testavimo metu naudoti vaizdai nebuvo matomi treniruotėse. Kelių smūgių klasifikacijoje treniruočių rinkinyje yra klasės, kurios visiškai skiriasi nuo tų, kurios pasirodys bandymo metu. Kiekvienoje testo užduotyje yra a palaikymo rinkinys kelių paženklintų vaizdų, iš kurių modelis gali sužinoti apie naujas klases ir atsiriboti užklausos rinkinys pavyzdžių, kuriuos tada prašoma klasifikuoti modelio.
Meta duomenų rinkinys yra didelis komponentas, kuriame modelis tiria visiškai naujų duomenų rinkinių apibendrinimą , iš kurios treniruotėse nebuvo matomi jokios klasės vaizdai. Tai papildo sunkų apibendrinimo iššūkį naujoms klasėms, būdingą kelių kadrų mokymosi sąrangai.
Kaip metaduomenų rinkinys padeda giliai mokytis dirbtinio intelekto ir mašininio mokymosi modelių?
„Metaduomenų rinkinys“ yra didžiausias iki šiol organizuotas kelių duomenų rinkinio, kelių kadrų vaizdų klasifikavimo etalonas. Taip pat pristatomas imties algoritmas, skirtas generuoti įvairios charakteristikos ir sudėtingumo užduotis, keičiant kiekvienos užduoties klasių skaičių, kiekvienos klasės galimų pavyzdžių skaičių, nustatant klasės disbalansą ir, kai kurių duomenų rinkinių, keičiant panašumų laipsnį. kiekvienos užduoties klasės.
„Meta-Dataset“ kelia naujų iššūkių kelių kadrų klasifikacijai. „Google“ tyrimai vis dar yra preliminarūs ir yra daug pagrindo. Tačiau paieškos gigantas teigė, kad tyrėjai patiria sėkmę. Kai kurie žymūs pavyzdžiai apima sumaniai suprojektuoto naudojimo užduotis kondicionavimas , rafinuotesni hiperparametrų derinimas , į meta bazinė ’Sujungia išankstinio mokymo ir metamokymosi bei galiausiai panaudojimo pranašumus funkcijų pasirinkimas specializuoti universalų kiekvienos užduoties atstovavimą.
Žymos google
