你好,游客 登录 注册 搜索
背景:
阅读新闻

Google使用3亿张图片大幅度改进图像识别算法

[日期:2017-08-04] 来源:infoq.com  作者:Roland Meertens ,译者 Beining [字体: ]

Google和CMU的研究员使用3亿张图片,在图像识别算法的几个指标上取得了长足改进,而往常的训练一般只使用一百万张图片。

很多开发者在训练物体检测算法时会使用包含一百万张图片的ImageNet数据集。这个数据集从2011年起就没有新图片加入了。然而,在该数据集上训练的神经网络中的参数数量与日俱增,训练模型的GPU算力也在增加。卡内基梅隆大学(CMU)中Google的研究人员和科学家提出:如果增加训练数据量会如何?

于是,Google建立了一个内部数据集,含有3亿张图片,标记为18291个类别。图片标注的来源包括原始网络信号,网页之间的联系,以及用户的反馈。因为不是由人标注的,所以含有20%的噪音。

结论是:增大数据量果然有益。虽然图片标记含有噪音,算法的准确率还是提高了3个百分点。很明显,数据量的增加克服了标记的噪音。研究人员发现算法的表现和数据量呈对数关系上升,如图所示。论文作者认为,现有的模型是基于一百万张图片建立的:如果对模型进行调整,准确率还有上升空间。

研究人员在微软的COCO 对象检测基准测试上进行了测试,结果喜人:平均正确率(AP)从34.3上升到37.4。Google和CMU在ICCV会议上发布了算法和评测,并发布了论文《重新审视深度学习时代数据的非理性效果》,可在arxiv自由获取。

查看英文原文Researchers Improve State of the Art in Image Recognition Using Data Set With 300 Million Images

本文永久更新链接地址http://www.linuxidc.com/Linux/2017-08/146055.htm

linux
相关资讯       图像识别算法 
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数

       

评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款