Google EfficientNet предлагает 10-кратное повышение эффективности анализа изображений

Google заслужил репутацию выдающихся новых технологий и обновлений искусственного интеллекта в удивительном темпе, и их объявление EfficientNet служит последним примером. Используя свою работу с AutoML, ученые Google применили метод масштабирования, который позволяет повысить эффективность сети в 10 раз.

Компания пишет: «Обычная практика масштабирования моделей заключается в произвольном увеличении глубины или ширины CNN или использовании большего разрешения входного изображения для обучения и оценки. Хотя эти методы улучшают точность, они обычно требуют утомительной ручной настройки и все же часто дают неоптимальную производительность. Что, если вместо этого мы могли бы найти более принципиальный метод увеличения CNN для получения большей точности и эффективности? »

Инженер Google Mingxing Tan объясняет новую разработку:

В отличие от традиционных подходов, которые произвольно масштабируют размеры сети, такие как ширина, глубина и разрешение, наш метод равномерно масштабирует каждое измерение с фиксированным набором коэффициентов масштабирования. На основе этого нового метода масштабирования и недавнего прогресса в AutoML мы разработали семейство моделей под названием EfficientNets, которые превосходят [sic] современную точность с до 10 раз большей эффективностью (меньше и быстрее).

Эти сети хорошо подходят для таких задач, как классификация изображений и распознавание лиц, которые предлагают преимущества для сценариев с высокой нагрузкой, а также использования более точных и эффективных моделей в мобильных технологиях. Как и большинство ИИ в своем роде, EfficientNet использует предварительно обученные CNN (сверточные нейронные сети), предназначенные для выполнения задач, связанных с изображениями, в качестве базовой сети. Эти базовые сети могут извлекать уроки из ряда более обобщенных наборов визуальных данных, что позволяет быстрее создавать более конкретные модели с ограниченными данными обучения.

Хотя стандартный процесс произвольного масштабирования по-прежнему дает функциональные результаты, EfficientNet сначала выполняет поиск в сетке базовой сети, чтобы определить взаимосвязи между различными размерами масштабирования сети (например, шириной и высотой), учитывая при этом как размер модели, так и доступные вычислительные ресурсы. Затем EfficientNet расширяет базовую сеть на основе этой оценки. Результаты первоначального тестирования указывают на более высокий уровень точности и скорости в большинстве случаев.

EfficientNet также продемонстрировал исключительно хорошие результаты благодаря более чем половине из восьми наиболее часто используемых наборов данных изображений, таких как CIFAR-100 (91,7%) и цветы (98,8%). Поскольку этот новый метод может значительно улучшить задачи компьютерного зрения по всем направлениям, Google имеет открытый исходный код EfficientNet с доступом через GitHub.

Учитывая, что модели распознавания изображений имеют репутацию совершающих странные ошибки, EfficientNet может помочь смягчить эту проблему по всем направлениям, поскольку разработчики искусственного интеллекта опираются на последние усилия Google.

Читать далее

Владельцы Google Pixel Slate сообщают о сбое флеш-хранилища

Форумы поддержки продуктов Google переполнены рассерженными владельцами Pixel Slate, которые говорят, что в их устройствах часто возникают серьезные ошибки хранения.

Google убивает бесплатное хранилище для фотографий, меняет то, что имеет значение в отношении ограничений

Google анонсировал некоторые существенные изменения в Фото, особенно если вы используете сервис для автоматического резервного копирования.

Время обновлять: Google исправляет 2 серьезные уязвимости Chrome нулевого дня

В отличие от последних нескольких нулевых дней, Google не обнаружил эти дыры в безопасности сам. Вместо этого он был предоставлен анонимными третьими сторонами, и проблемы настолько серьезны, что они не раскрыли полных деталей. Достаточно сказать, что вам стоит перестать откладывать это обновление.

Nvidia и Google будут поддерживать облачные игры на iPhone через веб-приложения

И Nvidia, и Google объявили о поддержке iOS для своих облачных игровых платформ через прогрессивные веб-приложения. Apple не может это заблокировать.