Google Pixel 5?
Google je najavio dostupnost više skupova podataka koji se sastoji od raznolikih, ali ograničenih prirodnih slika. Div pretraživača uvjeren je da će javno dostupni podaci pokretati tempo Strojno učenje i umjetna inteligencija uz smanjenje vremena potrebnog za osposobljavanje AI modela na minimalnoj količini podataka. Google novu inicijativu naziva 'Besplatni skupovi meta-podataka' koji će AI modelima pomoći da 'nauče' na manje podataka. Kompanija 'Few-Shot AI' optimizirana je kako bi osigurala da AI uči nove satove na samo nekoliko reprezentativnih slika.
Razumijevajući potrebu za brzom obukom modela AI i strojnog učenja s manje skupova podataka, Google je pokrenuo 'Meta-Dataset', malu zbirku slika koja bi trebala smanjiti količinu podataka potrebnih za poboljšanje točnosti algoritama. Tvrtka tvrdi da će korištenjem tehnika razvrstavanja slika s nekoliko snimaka modeli AI i ML dobiti iste uvide iz puno manje reprezentativnih slika.
Google AI najavljuje Meta-skup podataka: Skup podataka za malobrojno učenje:
Dubinsko učenje za AI i strojno učenje eksponencijalno raste već duže vrijeme. Međutim, osnovni je zahtjev dostupnost visokokvalitetnih podataka i to u velikim količinama. Velike količine ručno označenih podataka o treningu često je teško nabaviti, a ponekad mogu biti i nepouzdane. Razumijevajući rizike velikih skupova podataka, Google je najavio dostupnost zbirke meta-podataka.
Kroz „ Meta-skup podataka: Skup skupova podataka za učenje iz nekoliko primjera ”(Predstavljeno na ICLR 2020 ), Google je predložio opsežno i raznoliko mjerilo za mjerenje kompetentnosti različitih modela klasifikacije slika u realističnom i izazovnom okruženju od nekoliko snimaka, nudeći okvir u kojem se može istražiti nekoliko važnih aspekata klasifikacije od nekoliko snimaka. U osnovi, Google nudi 10 javno dostupnih i besplatnih baza podataka prirodnih slika. Ti se skupovi podataka sastoje od ImageNet-a, CUB-200-2011, Gljiva, rukom napisanih znakova i doodle logotipa. Kod je javnost i uključuje a bilježnica koji pokazuje kako se Meta-Dataset može koristiti u TensorFlow i PyTorch .
Klasifikacija s nekoliko hitaca nadilazi standardni modeli obuke i dubokog učenja . Potrebno je generaliziranje potpuno novih razreda u vrijeme polaganja ispita. Drugim riječima, slike korištene tijekom testiranja nisu viđene na treningu. U klasifikaciji od nekoliko hitaca, set treninga sadrži razrede koji se u potpunosti ne razlikuju od onih koji će se pojaviti u vrijeme testiranja. Svaki testni zadatak sadrži set za podršku nekoliko označenih slika iz kojih model može naučiti o novim klasama i disjunkt set upita primjera koje se zatim od modela traži da klasificira.
Meta-skup podataka velika je komponenta u kojoj model proučava generalizaciju na potpuno nove skupove podataka , s kojeg na treningu nisu viđene slike nijednog razreda. To je dodatak teškom generaliziranom izazovu za nove razrede svojstvenom postavci učenja s nekoliko pucanja.
Kako Meta-podaci pomažu u dubinskom učenju za modele AI i strojnog učenja?
Meta-podatkovni skup predstavlja dosad najveće organizirano mjerilo za unakrsne skupove podataka, klasifikaciju slika s nekoliko snimaka. Također uvodi algoritam uzorkovanja za generiranje zadataka različitih karakteristika i težine, mijenjanjem broja razreda u svakom zadatku, broja dostupnih primjera po razredu, uvođenjem neravnoteže klasa i, za neke skupove podataka, promjenom stupnja sličnosti između klase svakog zadatka.
Meta-Dataset uvodi nove izazove za klasifikaciju od nekoliko hitaca. Googleovo istraživanje je još uvijek preliminarno i tu je puno podloga. Međutim, pretraživački div tvrdio je da istraživači doživljavaju uspjeh. Neki od značajnih primjera uključuju upotrebu pametno dizajniranih zadatak uvjetovanost , sofisticiraniji podešavanje hiperparametara , do ' meta-baseline ’Koji kombinira blagodati pred-treninga i meta-učenja te konačno korištenja odabir obilježja specijalizirati univerzalni prikaz za svaki zadatak.
Oznake google
