首页 » 漏洞 » Google使用3亿张图片大幅度改进图像识别算法

Google使用3亿张图片大幅度改进图像识别算法

 

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?

Google使用3亿张图片大幅度改进图像识别算法

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。

Google使用3亿张图片大幅度改进图像识别算法

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

感谢冬雨对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ,@丁晓昀),微信(微信号: InfoQChina )关注我们。

原文链接:Google使用3亿张图片大幅度改进图像识别算法,转载请注明来源!

0