Гоогле Пикел 5?
Гоогле је најавио доступност више скупова података који се састоји од разноликих, али ограничених природних слика. Гигант претраге уверен је да ће јавно доступни подаци покретати темпо Машинско учење и вештачка интелигенција истовремено смањујући време потребно за обуку АИ модела на минималној количини података. Гоогле нову иницијативу назива „Бесплатни скупови мета-података“ који ће АИ моделима помоћи да „науче“ на мање података. Компанија „Фев-Схот АИ“ је оптимизована да обезбеди да АИ учи нове часове на само неколико репрезентативних слика.
Разумевајући потребу за брзом обуком модела АИ и машинског учења са мање скупова података, Гоогле је лансирао „Мета-Датасет“, малу колекцију слика која би требало да помогне у смањењу количине података потребних за побољшање тачности алгоритама. Компанија тврди да ће, користећи технике класификације слика са неколико снимака, АИ и МЛ модели добити исти увид из много мање репрезентативних слика.
Гоогле АИ најављује Мета-скуп података: Скуп скупова података за учење са неколико снимака:
Дубоко учење за АИ и машинско учење експоненцијално расте већ дуже време. Међутим, основни захтев је доступност висококвалитетних података и то у великим количинама. Велике количине ручно забележених података о обуци често је тешко набавити, а понекад могу бити и непоуздане. Разумевајући ризике великих скупова података, Гоогле је најавио доступност колекције мета-података.
Кроз „ Мета-скуп података: Скуп скупова података за учење из неколико примера ”(Представљено на ИЦЛР 2020 ), Гоогле је предложио опсежну и разноврсну меру за мерење компетентности различитих модела класификације слика у реалистичном и изазовном окружењу од неколико снимака, нудећи оквир у коме се може истражити неколико важних аспеката класификације од неколико снимака. У основи, Гоогле нуди 10 јавно доступних и бесплатних за употребу скупова података природних слика. Ови скупови података састоје се од ИмагеНет-а, ЦУБ-200-2011, Гљива, руком написаних знакова и дудл логотипа. Код је јавно и укључује а свеска који показује како се Мета-Датасет може користити у ТенсорФлов и ПиТорцх .
Класификација по неколико снимака превазилази стандардни модели обуке и дубоког учења . Потребно је уопштавање потпуно нових часова у време теста. Другим речима, слике коришћене током тестирања нису виђене на тренингу. У класификацији од неколико хитаца, сет тренинга садржи класе које се у потпуности не разликују од оних које ће се појавити у време теста. Сваки тестни задатак садржи сет за подршку неколико етикетираних слика из којих модел може да научи о новим часовима и дисјункт упит постављен примера за које се затим тражи да модел класификује.
Мета-скуп података је велика компонента у којој модел проучава генерализацију на потпуно нове скупове података , са којег на тренингу нису виђене слике ниједног разреда. Ово је додатак тешком генерализацијском изазову за нове разреде који је својствен поставци учења са неколико пуцања.
Како Мета-подаци помажу у дубинском учењу за моделе АИ и машинског учења?
Мета-подаци представљају до сада највећу организовану меру за унакрсне скупове података, класификацију слика са неколико снимака. Такође уводи алгоритам узорковања за генерисање задатака различитих карактеристика и тежине, променом броја класа у сваком задатку, броја доступних примера по класи, увођењем неравнотеже класа и, за неке скупове података, променом степена сличности између класе сваког задатка.
Мета-Датасет представља нове изазове за класификацију од неколико снимака. Гоогле-ова истраживања су још увек прелиминарна и има много основа за покривање. Међутим, истраживачки гигант је тврдио да истраживачи доживљавају успех. Неки од запажених примера укључују употребу паметно дизајнираних задатак условљавање , софистициранији подешавање хиперпараметара , до ' мета-основа ’Која комбинује предности пред-обуке и мета-учења, и коначно коришћење избор карактеристика да се за сваки задатак специјализује универзална репрезентација.
Ознаке гоогле
