高考考试网
当前位置: 首页 高考资讯

图像识别算法的基本原理(最大规模数据集)

时间:2023-05-27 作者: 小编 阅读量: 8 栏目名: 高考资讯

Facebook正在多达五千万张图像的数据集上训练模型,即使是在提供所有监督的情况下,数十亿张图像的训练也是不可行的。该方法显示出优秀的迁移学习结果,表明该模型的图像分类结果可广泛应用于其他AI系统。这是截至目前最高的ImageNet基准准确率,比之前最优模型高2%。Facebook研究者还发现其最大的模型仍未充分利用35亿张图像数据集的优势,这表明研究者应该在更大的模型上进行训练。该研究指出了使用弱监督数据的长期影响。

人工标注数据需要耗费大量人力成本和时间,对模型训练数据集的规模扩大带来限制。Facebook 在图像识别方面的最新研究利用带有 Hashtag 的大规模公共图像数据集解决了该问题,其最佳模型的性能超越了之前最优的模型。

图像识别是 AI 研究的重要分支之一,也是 Facebook 的研究重心。Facebook 的研究人员和工程师旨在扩展计算机视觉的边界,造福现实世界。例如,使用 AI 生成图像的音频字幕帮助视觉受损的用户。为了改善这些计算机视觉系统,训练它们识别和分类大量对象,Facebook 需要包含数十亿张图像的数据集,如今常见的数百万张图像的数据集已经不足够了。

由于当前模型通常在人类标注者手动标注的数据上进行训练,因此提升识别准确率不只是向系统输入更多图像那么简单。这种劳动密集型的监督学习过程通常获得最好的性能,但是手动标注的数据集在规模方面已经接近其函数极限。Facebook 正在多达五千万张图像的数据集上训练模型,即使是在提供所有监督的情况下,数十亿张图像的训练也是不可行的。

Facebook 研究人员和工程师通过在带有标签(hashtag)的公共图像数据集上训练图像识别网络解决了该问题,其中最大的数据集包含 35 亿张图像和 17000 个 hashtag。该方法的关键是使用现有公开的、用户提供的 hashtag 作为标注,取代手动标注。该方法在测试过程中表现良好。通过使用包含 10 亿图像的此类数据集训练计算机视觉系统,Facebook 得到了一个历史最高得分——在 ImageNet 上达到了 85.4% 的准确率。伴随着这一图像识别任务中的突破,该研究为如何从监督训练转向弱监督训练提供了重要洞见。在弱监督训练中,研究者使用现有标注(在本文中指 hashtag)而不是专为 AI 训练而选择的标注。Facebook 计划开源这些模型的嵌入,这样研究社区就可以使用这些表征,基于它们完成更高级别的任务。

大规模使用 hashtag

由于人们通常使用 hashtag 描述照片,所以 Facebook 研究人员认为它们可以作为模型训练数据的完美来源。这允许研究人员使用 hashtag 来完成一直以来的目标:基于人们自己标注的 hashtag 获取更多图像。

但是 hashtag 通常指非视觉概念,如 #tbt 表示「throwback Thursday」。或者它们比较模糊,如 #party 可以描述活动、设置,或者 both。对于图像识别来说,tag 的作用是弱监督数据,而模糊和/或不相关的 hashtag 是标签噪声,可能会混淆深度学习模型。

这些噪声标签是大规模训练工作的重点,因此研究人员开发了一种新方法,专为使用 hashtag 监督执行图像识别实验而准备。该方法包括处理每个图像的多个标签(加 hashtag 的用户通常会添加多个 hashtag)、整理 hashtag 同义词、平衡经常出现的 hashtag 和出现频率较低的 hashtag 的影响力。为了使这些标签有助于图像识别训练,Facebook 研究团队训练了一个大规模 hashtag 预测模型。该方法显示出优秀的迁移学习结果,表明该模型的图像分类结果可广泛应用于其他 AI 系统。这一新研究基于 Facebook 之前的研究,包括基于用户评论、hashtag 和视频的图像分类研究。这一对弱监督学习的全新探索是一次广泛的合作,Facebook 应用机器学习团队(AML)和 Facebook 人工智能研究院(FAIR)均参与其中。

在规模和性能方面开辟新天地

由于单个机器完成模型训练需要一年多时间,因此 Facebook 在多达 336 个 GPU 上进行分布式训练,将总训练时间缩短至几周。在如此大的模型规模面前(该研究中最大的模型是具备超过 86.1 千万个参数的 ResNeXt 101-32x48d),使用分布式训练方法尤其重要。此外,Facebook 设计了一种方法来移除重复项,确保不会在评估数据上进行训练,这个问题在此类研究中经常出现。

Facebook 希望能看到图像识别方面的性能提升,不过对实验结果仍然感到惊讶。在 ImageNet 图像识别基准上,其最佳模型达到了 85.4% 的准确率,该模型在 10 亿张图像上进行训练,训练数据一共包括 1500 个 hashtag。这是截至目前最高的 ImageNet 基准准确率,比之前最优模型高 2%。研究者将卷积神经网络架构的影响力进行分解,观测到的性能提升更加显著:将数十亿图像(以及大量 hashtag)用于深度学习导致高达 22.5% 的性能提升。

在另一个主要基准 COCO 上,研究者发现使用 hashtag 进行预训练可以将模型的平均准确率提高 2% 以上。

这些是图像识别和目标检测领域的基础改进,表示计算机视觉又前进了一步。但是研究者的实验还揭示了大规模训练和噪声标签的优势和面临的挑战。

例如,尽管扩大训练数据集规模是值得的,但选择匹配特定图像识别任务的 hashtag 集也具备同等的重要性。研究者通过在 10 亿张图像、1500 个匹配 ImageNet 数据集类别的 hashtag 上的训练结果优于在同样大小的数据集、但使用全部 17000 个 hashtag 的训练结果。另一方面,对于类别较多的任务,使用 17000 个 hashtag 进行训练的模型性能更好,这表明研究者应该在未来训练中增加 hashtag 的数量。

增加训练数据规模通常有利于图像识别。但是它也会产生新的问题,包括定位图像中对象位置的能力下降。Facebook 研究者还发现其最大的模型仍未充分利用 35 亿张图像数据集的优势,这表明研究者应该在更大的模型上进行训练。

大规模自标注数据集是图像识别的未来

这项研究的一个重要成果(甚至超越了图像识别的广泛成果)就是证实了在 hashtag 上训练计算机视觉模型是完全可行的。虽然使用了一些基础技术来合并相似标签、降低其他标签的权重,但是该方法不需要复杂的「清理」过程来消除标签噪声。相反,研究者能够使用 hashtag 训练模型,而且只需对训练过程做出很少的修改。规模似乎是一大优势,因为在数十亿张图像上训练的网络对标签噪声具备更好的稳健性。

我们设想了在不远的未来,hashtag 作为计算机视觉标签的其他使用方向,可能包括使用 AI 更好地理解视频片段,或改变图像在 Facebook feed 流中的排序方式。Hashtag 还可以帮助系统识别图像何时不仅属于总类别,还属于更具体的子类别。例如,照片的音频说明提及「树上的一只鸟」是有用信息,但是如果音频说明可以具体到物种(如:糖槭树上的一只主红雀),就可以为视觉受损的用户提供更好的描述。

Hashtag 可以帮助计算机视觉系统超越一般分类条目,以识别图像中的特定子类别和其他元素。

除了 hashtag 的具体用途之外,该研究还指出了可能影响新产品和现有产品的广泛图像识别方面取得的进展。例如,更精确的模型可能会改善在 Facebook 上重现记忆的方式。该研究指出了使用弱监督数据的长期影响。随着训练数据集变得越来越大,对弱监督学习的需求——以及从长远来看,对无监督学习的需求——将变得越来越显著。了解如何弥补噪声大、标注不准确的缺陷对于构建和使用大规模训练集至关重要。

本研究在 Dhruv Mahajan、Ross Girshick、Vignesh Ramanathan、Kaiming He、Manohar Paluri、Yixuan Li、Ashwin Bharambe 和 Laurens van der Maaten 的《Exploring the Limits of Weakly Supervised Pretraining》一文中有更详细的描述。由于该研究涉及到的规模史无前例,此论文详细的论述将为一系列新研究方向铺平道路,包括开发新一代足够复杂的深度学习模型,从而有效地从数十亿张图像中学习。

该研究还表明,为了更好地衡量当今图像识别系统以及未来规模更大、监督更少的图像识别系统的质量和局限性,开发类似 ImageNet 的广泛使用的新型基准很有必要。

论文:Exploring the Limits of Weakly Supervised Pretraining

论文链接:https://research.fb.com/publications/exploring-the-limits-of-weakly-supervised-pretraining/

摘要:当前最优的适合大量任务的视觉感知模型依赖于监督式预训练。ImageNet 分类实际上是这些模型的预训练任务。但是,目前 ImageNet 将近十岁,用现代标准来看规模有些小了。即便如此,使用规模大了好几个数量级的数据集进行预训练也很少见。原因很明显:此类数据集很难收集和标注。本论文展示了一种独特的迁移学习研究,在数十亿社交媒体图像上训练大型卷积网络来预测 hashtag。实验表明大规模 hashtag 预测的训练性能很好。我们展示了在多个图像分类和目标检测任务上的改进,并报告了目前最高的 ImageNet-1k single-crop,top-1 准确率 85.4%(top-5 准确率 97.6%)。我们还进行了大量实验,为大规模预训练和迁移学习性能之间的关系提供了新的实证数据。

,
    推荐阅读
  • cad界面无法缩小怎么回事(cad绘图比例设置步骤)

    在使用浩辰CAD绘图过程中经常需要调整视图,缩放和平移应该是使用频率最高的操作。视图调整中经常会遇到的问题1、缩放时提示无法进一步缩放在CAD中利用滚轮缩放视图的时候,有时会视图无法继续放大或缩小,在底部状态栏会提示:已无法进一步缩放。这是因为CAD为了优化显示性能,在打开图纸的时候只是根据当前视图生成部分显示数据,当缩放到一定程度,之前生成的显示数据已经不够时,就需要重新生成显示数据。

  • 去英国留学带药品注意事项(去英国留学需要带哪类药品)

    跟着小编一起来看一看吧!去英国留学带药品注意事项去英国留学需要带的药品主要有感冒药,眼药水,止痛药,退烧药,抗过敏药,消炎药,治拉肚子的药。不用带很多,因为在英国,许多药品在出入境时会受到限制,比如一些煲汤用的药材、中草药等等,尽量不要带,以免引起麻烦。

  • 66号公路起点和终点 美国66号公路起点和终点

    66号公路起点是伊利诺伊州的芝加哥,终点是加利福尼亚州洛杉矶的圣塔莫妮卡。美国六十六号公路被美国人亲切地唤作母亲之路。66号公路全长为2448英里,约3939公里,通车使用时间为1926年11月11日至1985年6月27日。

  • 干银耳要泡多久才能煮(干银耳要泡很久吗)

    因为银耳是属于菌类食物,温度太高可能会使得银耳中的一些营养元素流失,破坏营养成分,影响口感,所以最好还是用冷水泡发比较好。如果是热水的话,泡银耳需要20分钟左右。用热水泡发银耳速度是很快的,一般十几二十分钟就可以泡发开来,但是热水泡发会影响银耳涨发的数量,也会影响到银耳的泡发质量,使其口感粘软。

  • 碎片化阅读时间的危害(巧用碎片化时间)

    比如,等公交车的时间、等电梯的时间、等饭的时间,或者是无缘的时间,都可以被称之为“碎片化时间”。其次,利用碎片化时间构建完整的知识体系。最后,仔细想想,我们每天的碎片化时间其实很多。

  • 怎么做蒜汁调料(蒜汁怎么做才好吃呢)

    下面内容希望能帮助到你,我们来一起看看吧!怎么做蒜汁调料用料:蒜瓣50g、小葱30g、盐10g、辣椒油5g、开水15ml。将大蒜去皮,备好,放入蒜臼。加入盐,用力捣蒜头,至蒜头全部散开。将捣好的蒜放入碗中,加入葱花、辣椒油、香油。加入开水,用勺子均匀搅拌,各种材料均匀融合在一起,美味的蒜汁做好了。

  • 教师行业需要注意的几点问题(教师行业工作者注意)

    去年相关部门还发布通知,教师薪资更升一步。根据通知相关内容,幼儿园教师学历最低要求达到了大专及以上。未来,大概率只有取得本科以上学历的人,才能进入小学担任小学教师工作。现在初中,大概率要985/211高校毕业生。因为,985/211高校中师范类专业其实不多。现如今越来越多中学想要招收毕业于985/211高校的毕业生。所以,未来教师行业热度必然居高不下,其就业发展前景也相当乐观。毫无疑问,教师的收入已在逐渐超越白领的收入。

  • 且试天下演技排名(且试天下说好是)

    没想到这竟然会成为了白风夕女侠抢劫的理由,真实匹夫无罪,怀璧其罪。好在黑丰息赶到,从中调节,算是给韩玄龄留下了一点面子。就在双方剑拔弩张之际,黑丰息又出现了,向众人证明了白风夕并不是凶手,第三次帮助了白风夕。随着这一批蒙面人全都死掉,两人的这段调查算是告一段落,白风夕开始跟随她的师父,带领天霜门的一众师弟师妹去马王堡,保护断魂门的下一个攻击目标马家。于是黑丰息第四次救下了白风夕。

  • iphone相册怎么加密(iphone相册如何加密)

    打开iphone的设置图标打开“通用”,选择“访问限制”,点击启用访问限制,今天小编就来聊一聊关于iphone相册怎么加密?接下来我们就一起去研究一下吧!iphone相册怎么加密打开iphone的设置图标。在开启访问限制后,在访问限制页面处点击照片。勾选照片后面的关闭,这样子就可以可隐藏照片了。如果只需要单独隐藏一张照片,可以打开需要隐藏的那张照片,点击编辑,然后点击照片右下角的图标,然后按住右下角向左推动,再点击“裁剪,然后保存即可。

  • 稀奶油可以直接食用吗(什么是动物性稀奶油)

    但是不建议直接食用稀奶油,因为生的稀奶油口感较差,且不利于人体的消化吸收。稀奶油是牛乳的脂肪部分,它是将脱脂乳从牛乳中分离出来后而得到乳状液。在低温下,稀奶油中大部分乳脂都是固态的结晶状物质。必须含有固态脂肪方可打发,如果稀奶油的温度不够低,固态脂肪不够,则影响打发程度,甚至不能打发。打发时稀奶油要保持在2-5℃,搅拌缸和搅拌器温度也需降至低温2~5℃。