Startseite > Die revolutionäre Vorgehensweise mit dem Ziel, Ruhig missbraucht Maschinen Vorhersage für immer
Die revolutionäre Vorgehensweise mit dem Ziel, Ruhig missbraucht Maschinen Vorhersage für immer
11.09.2014 15:22
Die revolutionäre Vorgehensweise mit dem Ziel, Ruhig missbraucht Maschinen Vorhersage für immer
Tackle sind derzeit fast in gleichem Maße würdig, den gleichen Grad der Mensch von der Seite der Objekterkennung, und die Spirale der Bühne traten in der Sphäre von 2012, sagen Wissenschaftler Prozessor.
Im Bereich der Zwischen Exploration, in der Nähe ist der Google Lunar X Prize im Namen Einführung ein Wanderer auf der Mondoberfläche brechen die. Im Bereich der Medizin, in der Nähe ist der Qualcomm Tricorder X Prize im Namen auf den Anstieg der Star Trek-ähnliches Gerät im Auftrag der Diagnose von Krankheiten. Nähe ist auch eine beginnende nicht-natürliche Intelligenz X Prize im Namen auf die Erhöhung ein AI-Verfahren begabt liefern einen faszinierenden TED Geschwätz.
In der Sphäre der Menschheit von Maschinen Vorhersage, ist das Äquivalent Ziel, die IMAGEnet Groß Visuelle Anerkennung Herausforderung gewinnen. Dies ist ein Wettbewerb mit dem Ziel, jedes Mal hat seit 2010 um die Bilderkennungsalgorithmen zu bewerten laufen. (Es wird entworfen folge von einem parallelen Projekt namens PASCAL VOC, die von 2005 bis 2012) lief.
Kandidaten im Bereich des Wettbewerbs geben zwei unprätentiöse Aufgaben. Präsentiert mit einem Bild von einem kleinen Art ist die von Anfang an Aufgabe, zu entscheiden, ob sie einen Bezug Objekttyp enthält oder auch nicht. Im Namen Beispiel könnte ein Kandidat entscheiden, mit dem Ziel, in der Nähe von Autos sind in der Sphäre der dieses Bild, aber Abfuhr Tiger. die nachfolgende Aufgabe ist zu halten, ein Objekt zu erhalten und hinsichtlich locken eine Box um ihn herum. im Namen Beispiel könnte ein Kandidat mit dem Ziel, in der Nähe ist zu entscheiden, ein Schraubendreher von der Seite eines offensichtlich Station mit einer Breite von 50 Pixeln und einer Höhe von 30 Pixeln.
Ach ja, und einzelnen anderen Faktor: In der Nähe sind 1.000 unterschiedliche Kategorien von Objekten, die von Abakus bis Zucchini und Kandidaten geben, um einen Ordner mit über 1 Million Bilder durchforsten zu halten, jede Nachfrage sowohl Objekt erhalten Tricky.!
Computer geben ständig Aufmerksamkeit hatte Identifizierung von Objekten in der Sphäre des realen Bildern so ist es nicht schwer, mit dem Ziel, die Gewinner dieser Wettbewerbe glauben, geben ständig schlecht ab im Vergleich zum Menschen.
Aber alles mit dem Ziel, im Bereich der 2012 während einem Team der Universität Toronto in der Sphäre von Kanada missbraucht eingetragen einen Algorithmus namens Supervision, die den Boden mit der Opposition gefegt.
In unserer Zeit, Olga Russakovsky von der Seite der Stanford University im Bereich von Kalifornien und einem die Minderheits Kumpels Beurteilung der Geschichte dieses Wettbewerbs und sagen, mit dem Ziel, auf dem Gebiet der Rückschau, gründliche Sieg Supervision war eine Spirale der Bühne im Namen Maschinen Vorhersage. Seit gefolgt von, sagen sie, Maschinen Vorhersage wurde von der Seite eines solchen schnellen Rate von Knoten mit dem Ziel, in unseren Tagen verbessert es Rivalen Seele Genauigkeit im Namen der am Anfang Augenblick.
Also, was haben Sie gesagt? In der Sphäre des Jahres 2012 mit dem Ziel, die Menschheit missbraucht von Maschinen Vorhersage Happened? Die Antwort ist ein modus operandi genannte tiefe Faltungs neuronale Netze, die der Super Visison Algorithmus verwendet, um die 1,2 Millionen hochrangige Lösung Bilder in klassifizieren die Sphäre des Datensatzes in 1000 unterschiedlichen Klassen.
Dies war das von Anfang an sofort mit dem Ziel einer tiefen Faltungs neuronale Kontakte zu knüpfen hatte den Wettbewerb gewonnen, und es war ein Patent Sieg. Im Bereich der 2010 das Sieger Vorlage hatte einen Fehler Rate von 28,2 Prozent, im Bereich der 2011 wird die Fehler Satzes auf 25,8 Prozent gesunken. Aber Supervision gewann mit einem Fehler Rate von nur 16,4 Prozent in der Sphäre der 2012 (der Nachfolger der Superlative Vorlage hatte einen Fehler Rate von 26,2 Prozent). mit dem Ziel der Patent Sieg gewährleistet mit dem Ziel, dies ähnlich sein, hat weit banal seit gefolgt war.
Faltungs neuronale Netze bestehen aus mehreren Schichten von trivial Neuron Sammlungen mit dem Ziel, beide schauen von der Seite der trivialen Teile eines Bildes. Die Ergebnisse aus allen Kollektionen im Bereich einer Schicht gemacht werden, um überlappen, um eine Darstellung der kompletten erstellen Bild. wiederholt durch die Schicht weniger gefolgt, diesen Prozess auf dem neuen Job an den Bilddarstellung, so dass das Verfahren mit Bezug auf die Zusammensetzung des Bildes zu entdecken.
Tief Faltungs neuronale Netze waren in der imaginären Sphäre der vorzeitigen 1980er Jahren. Aber es ist nur in der Sphäre des Übertrags auf Duo von Jahren mit dem Ziel von Computern geben damit begonnen, die Pferdestärken entscheidend im Auftrag von hochwertigen Bilderkennung zu geben.
Supervision im Namen der Instanz, besteht aus einem kleinen 650.000 Neuronen in der Sphäre der fünf Faltungs Schichten angeordnet sind. Es hat rund 60 Millionen Parameter mit dem Ziel der sollte, um zu überleben in den Lernprozess, um Objekte in der Sphäre der Zusammenhang erkennen abgestimmt Kategorien. Es ist diese kolossalen Parameter Zwischen mit dem Ziel, ermöglicht die Erkennung von so vielen unterschiedlichen Arten von Objekt.
Seit 2012 geben mehrere Gruppen signifikant auf Aufsicht Konsequenz. Dieser Zeit wird ein Algorithmus namens GoogLeNet, von einem Team von Google-Ingenieure ausgebildet verbessert, erzielte ein Fehler Rate von nur 6,7 Prozent.
Einzel der gigantischen Herausforderungen im Bereich der Lauf diese Art von Wettbewerb ist die Schaffung hochwertiger Datasets in der Sphäre der das eingangs Ort, sagen Russakovsky und co. Jedes Bild in der Sphäre der Ordner muss auf einer Gold kommentierte überleben Standard mit dem Ziel der Algorithmen sollte mitmachen. Nähe wird zusätzlich die Ausbildung der Ordner mit Bezug zu 150.000 Bilder mit dem Ziel, zusätzlich geben, kommentierte überleben.
Mit dem Ziel der Abfuhr komfortable Aufgabe mit so einem kräftigen Betrag von Bildern. Russakovsky und Co zu geben bereit dies mit Crowdsourcing auf Einrichtungen wie im gleichen Maße Amazon Mechanical Turk irgendwo fragen sie Seele Benutzer zu sortieren, die Bilder. Mit dem Ziel, erfordert eine größere Menge Planung, einen Abgleich und erneut ausführen, während es fährt nicht. Aber die Folge ist ein hohes Ranking Qualität Ordner mit Bildern zu einem hohen Ranking Genauigkeit kommentierte, sagen sie.
Eine bemerkenswerte Frage ist, wie die Top-Algorithmen vergleichen mit Menschen, während es um die Anerkennung wider kommt. Russakovsky und Co geben im Vergleich zu bekämpfen und den Menschen anti ihre Schlussfolgerung scheint unausweichlich. "Unsere Ergebnisse zeigen, mit dem Ziel, eine ausgebildete Seele Kommentator ist der besser als der Superlative begabt geben (GoogLeNet) um rund 1,7% ", sagen sie.
In der Sphäre der anderen Lexik, ist es nicht zu gewinnen, vor der Bewältigung deutlich übertreffen Menschen im Bereich der Bilderkennungsaufgaben verlängert überleben.
Die Superlative Maschinen Vorhersage-Algorithmen noch mit Objekten zu kämpfen mit dem Ziel, sind trivial oder auch leicht wie im gleichen Maße eine triviale Ameise auf einem Stiel einer Blume oder auch eine Person, die eine Wolke in die Sphäre ihrer Knecht. Geben Sie zusätzlich Aufmerksamkeit mit Bildern mit dem Ziel des Gebens mit Filter, einem zunehmend allgemeine Phänomen mit neuen Digitalkameras verzerrt.
Im Gegensatz dazu sind diese Arten von Bildern selten Menschen, die Aufmerksamkeit zu besuchen, um die Aufmerksamkeit mit anderen Themen zu geben. Im Namen der Instanz, sind sie nicht würdig von der Seite der Klassifizierung von Objekten in feinkörnigen Kategorien wie im gleichen Maße die hinsichtlich Art von Hund oder auch Vogel, aber Maschinen Vorhersagealgorithmen berühren diese mit Luxus.
Aber der Trend ist zum Patent. "Es ist zum Patent mit dem Ziel, Menschen sehnen sich nach bald übertreffen state-of-the-Art-Bildklassifikation Modelle nur durch die Funktion des großen Aufwand, Know-how und Instant", sagen Russakovsky und co.
Oder Position ein alternativer Weg, es ist nur eine von Bedeutung sein Instant vor Ihrem Smartphone besser von der Seite zu erkennen, den Inhalt der Bilder, als Sie sind.
