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
  • 添砖加瓦的意思(添砖加瓦的意思是啥)

    以下内容大家不妨参考一二希望能帮到您!添砖加瓦的意思添砖加瓦是一个汉语成语,拼音是tiānzhuānjiāwǎ,原来指建房屋时给不断地添砖块加瓦片。后比喻做一些工作,尽一点力量,贡献自己的力量。和“火上浇油”是反义词。

  • 玉兰花的叶子枯萎了怎样拯救她(玉兰花的叶子枯萎了怎样拯救她们)

    长时间不换土,土壤养分不足,玉兰花的生长也会出现问题,不仅生长缓慢,叶子也会发黄枯萎,所以,及时给玉兰换土也是很重要的。

  • 关于夏至的介绍(关于夏至的介绍资料)

    关于夏至的介绍夏至,是二十四节气之一,在每年公历6月20日,或21日,或22日。夏至这天,太阳运行至黄经90度,太阳直射地面的位置到达一年的最北端,几乎直射北回归线,此时,北半球各地的白昼时间达到全年最长。对于北回归线及其以北的地区来说,夏至日也是一年中正午太阳高度最高的一天。这一天北半球得到的太阳辐射最多,比南半球多了将近一倍。在清代,夏至祭神十分盛行,民间须吃面食,以示敬神。

  • 跟野是一对的情侣名字(星野情侣网名)

    星野情侣网名1、傻蛋♥二愣子2、我要活过来♥等死吧你就3、臭流氓’♥女流氓’4、先生,那是我的女朋友♥姑娘,那是我的男朋友5、亲爱的,对不起♥亲爱的,没关系6、我想要你的一个微笑♥我给你的笑是我对你的敷衍7、苏夫。

  • 禁止吸烟的标志(禁止吸烟的标志介绍)

    禁止吸烟的标志禁烟标志代表严禁烟火。禁止吸烟是指法律、法规、规章规定的禁止吸烟场所,该区域内的全部范围。通知要求,各级领导干部不得在学校、医院等公共场所吸烟,在打造无烟党政机关的同时,各级党政机关公务活动中也严格实行“无烟化”。

  • 驭菱微卡油耗多少(气刹动力转向十档箱带空调)

    今天给大家介绍一台让人刮目相看的微卡,气刹车、动力转向、十挡变速箱、自卸,这些配置全都集合一身,它是时风风菱,一台神奇的卡车。麻雀虽小五脏俱全,有了空调和动力转向两项配置,让这台小车无论是开起来还是坐起来都上了一个档次。这台开起来轻松性能强悍的小微卡,无论是偏远山区还是狭窄的城中小巷,都会是它大显身手的好地方。

  • 梦幻西游手游炼妖需要30级(梦幻西游手游炼妖技巧讲解)

    胚子的选择假设玩家想要合一个忘川童子,那么忘川童子就是玩家的目标宠,目标宠是为了确定炼妖胚子。因为炼妖的最高资质是非变异原始宝宝的105%。所以玩家在炼妖之前都会选择目标资质非常优秀的宠物,比如想要法宠,就会选择高法力资质、高速度和高成长的宝宝。梦幻西游手游炼妖技巧讲解打掉必带技能什么是必带技能?

  • 侠客风云传前传详细攻略(侠客风云传前传80小时一周目体验心得图文分析)

    以下内容大家不妨参考一二希望能帮到您!侠客风云传前传详细攻略今天给大家带来了“ppaass11”分享的《侠客风云传前传》80小时一周目体验心得图文分析,一起看下这位玩家对游戏的看法吧。

  • 你知道古代时候拜干爹是什么意思(带你来看历史上的著名的)

    关于为何称其为“尚父”史学界也有两种说法,一种说法是姜子牙本来就叫吕尚,称他“尚父”是根据名字来的。其中只有郭子仪当之无愧,另外两个都是乱臣贼子。其中吕不韦辅助秦始皇开创了霸业,但因各种流言蜚语,最后饮鸩自杀。从历史的轨迹来看,光绪的死,慈禧这个亲爸爸,都难逃其咎,甚至有幕后黑手的嫌疑。安史之乱造成的后果是直接让强盛的唐王朝逐渐走上了下坡路。

  • 如何看待网红爆款(人为打造的网红爆款)

    近年来,汉服、洛丽塔服装、JK制服逐渐由小众圈子走向大众视野。由于价格昂贵,又有忠实爱好者沉迷其中,愿意为之持续花费,因此这三类服饰被网友称为“三坑”。公开数据显示,2020年“三坑”总体市场规模在200多亿元,2025年市场规模有望达到1266亿元。据了解,“三坑”爱好者热衷于参加各种同好会、茶会等,比如汉服有“华服会”、洛丽塔服装有漫展、大茶会等。有一些商家“埋伏”在内,进行虚假宣传。