Google Pixel 5?
Google은 여러 데이터 세트의 가용성 발표 다양하지만 제한된 자연 이미지로 구성됩니다. 검색 거인은 공개적으로 사용 가능한 데이터가 기계 학습 및 인공 지능 최소한의 데이터로 AI 모델을 교육하는 데 걸리는 시간을 줄입니다. Google은 AI 모델이 적은 데이터로 '학습'하는 데 도움이되는 새로운 이니셔티브 '무료 메타 데이터 세트'를 호출하고 있습니다. 회사의 'Few-Shot AI'는 AI가 대표 이미지 몇 개만으로 새로운 클래스를 학습 할 수 있도록 최적화되어 있습니다.
더 적은 데이터 세트로 AI 및 머신 러닝 모델을 빠르게 학습해야하는 필요성을 이해 한 Google은 알고리즘의 정확성을 개선하는 데 필요한 데이터 양을 줄이는 데 도움이되는 작은 이미지 모음 인 'Meta-Dataset'을 출시했습니다. 이 회사는 적은 수의 이미지 분류 기술을 사용하면 AI 및 ML 모델이 훨씬 적은 수의 대표 이미지에서 동일한 통찰력을 얻을 것이라고 주장합니다.
Google AI, 메타 데이터 세트 발표 : Few-Shot 학습을위한 데이터 세트 데이터 세트 :
AI 및 기계 학습을위한 딥 러닝은 꽤 오랫동안 기하 급수적으로 성장해 왔습니다. 그러나 핵심 요구 사항은 고품질 데이터의 가용성과 너무 많은 양입니다. 수동으로 주석이 추가 된 많은 양의 학습 데이터는 종종 확보하기 어렵고 때로는 신뢰할 수 없을 수도 있습니다. 대규모 데이터 세트의 위험을 이해하는 Google은 메타 데이터 세트 모음의 가용성을 발표했습니다.
통해 ' 메타 데이터 세트 : 몇 가지 예에서 학습하는 방법을 배우기위한 데이터 세트 ”(발표 : ICLR 2020 ), Google은 현실적이고 도전적인 몇 번의 촬영 설정에서 다양한 이미지 분류 모델의 역량을 측정하기위한 대규모의 다양한 벤치 마크를 제안하여 몇 번의 촬영 분류의 몇 가지 중요한 측면을 조사 할 수있는 프레임 워크를 제공합니다. 기본적으로 Google은 공개적으로 사용 가능한 10 개의 자연 이미지 데이터 세트를 무료로 제공합니다. 이러한 데이터 세트는 ImageNet, CUB-200-2011, Fungi, 손글씨 문자 및 기념일 로고로 구성됩니다. 코드는 공공의 및 포함 공책 Meta-Dataset이 어떻게 사용될 수 있는지 보여줍니다. TensorFlow 과 파이 토치 .
Few-shot 분류는 표준 훈련 및 딥 러닝 모델 . 테스트 시간에 완전히 새로운 클래스로 일반화해야합니다. 즉, 테스트 중에 사용 된 이미지는 훈련에서 보이지 않았습니다. 몇 샷 분류에서 훈련 세트에는 테스트 시간에 나타날 클래스와 완전히 분리 된 클래스가 포함됩니다. 각 테스트 작업에는 지원 세트 모델이 새 클래스와 분리 된 클래스에 대해 배울 수있는 몇 가지 레이블이 지정된 이미지 쿼리 세트 그런 다음 모델이 분류하도록 요청하는 예제입니다.
메타 데이터 세트는 완전히 새로운 데이터 세트에 대한 모델 연구 일반화 , 어떤 클래스의 이미지도 훈련에서 볼 수 없습니다. 이것은 몇 번의 학습 설정에 내재 된 새로운 클래스에 대한 어려운 일반화 과제에 추가됩니다.
메타 데이터 세트가 AI 및 머신 러닝 모델의 딥 러닝에 어떻게 도움이 되나요?
Meta-Dataset은 현재까지 교차 데이터 세트, 몇 번의 이미지 분류를위한 가장 규모가 큰 조직 벤치 마크를 나타냅니다. 또한 각 작업의 클래스 수, 클래스 당 사용 가능한 예제 수, 클래스 불균형을 도입하고 일부 데이터 세트의 경우 두 데이터 세트 간의 유사성 정도를 변경하여 다양한 특성과 난이도의 작업을 생성하는 샘플링 알고리즘을 소개합니다. 각 작업의 클래스.
Meta-Dataset은 몇 번의 분류에 대한 새로운 과제를 도입합니다. Google의 연구는 아직 예비 단계이며 다룰 근거가 많습니다. 그러나 검색 거인은 연구자들이 성공을 거두고 있다고 주장했습니다. 주목할만한 예 중 일부는 영리하게 설계된 직무 조절 , 더 정교함 초 매개 변수 조정 , ~ ' 메타 기준선 ’사전 교육과 메타 학습의 이점을 결합하고 마지막으로 기능 선택 각 작업에 대한 보편적 인 표현을 전문화합니다.
태그 구글
