您的位置:主页 > 财经 >

科尔证券期货:新AI工具可直接识别图片中的物体

发布时间:2020-06-05 14:34  来源: IT商业新闻网    

  科尔证券报道,要让计算机学会识别一张照片中的图像,通常来说,需要先让它看上千张已经标注好数据的图片。为了能简化计算机识别图像的过程,来自Facebook人工智能研究实验室(FAIR)的六名成员利用Transformer神经网络架构创建了端到端的图像检测AI。

  研究员将这套工具命名为DETR(Detection Transformer),并表示这套工具简化了识别图片对象需要的组件。

  FAIR 在官方博客中称,DETR是第一个成功将Transformer架构集成为图像对象检测核心的工具。Transformer架构可以像近年来对自然语言进行处理一样,彻底改变计算机视觉,或者缩小自然语言处理与计算机视觉之间的差距。

  “通过将通用的CNN与Transformer架构相结合,DETR可以直接(并行)预测最终的检测结果,与许多其他现代检测工具不同,新模型在概念上很简单,不需要专门的数据库。”研究员在论文中称。

  Transformer架构由谷歌研究人员于2017年创建,Transformer架构最初旨在改进机器翻译的方法,但目前已发展成为机器学习的基石,可用于训练一些最流行的经过预先培训的语言模型,例如Google的BERT,Facebook的RoBERTa等。Transformer架构使用注意力函数代替递归神经网络来预测序列中的下一步。应用于物体检测时,Transformer可以减少建立模型的步骤,例如创建空间锚点和自定义图层等步骤。

  研究人员在论文中称,DETR取得的结果可与Faster R-CNN媲美。Faster R-CNN是由微软研究院创建的对象检测模型,自2015年推出以来已获得近10000次引用。

  尽管效果不错,但研究人员在论文中也指出了这个模型的主要问题之一:DETR在大物体的识别上比小物体上更准确。研究人员表示:“目前的模型需要几年改进才能应对类似的问题,我们希望未来的工作能够成功解决。”

  值得一提的是,DETR是Facebook 最新推出的AI计划,这个计划旨在找到一种语言模型来解决计算机视觉带来的挑战。在此之前,针对自家平台上泛滥的谣言和不实消息,Facebook引入了恶意模因数据集挑战。Facebook认为,恶意图文对于机器学习程序而言是一个有趣的挑战,机器学习在短时间内还找不到完美的解决方法。Facebook希望开发者能创建出模型识别图像和随附文本中违反Facebook政策的内容。

相关文章

黑平台巨额亏损谁会买单?这个问题看起来似乎非常低级,可能有些网友也会调侃到:傻子才会为这亏损买单!然而现实总是会给我们几记响亮的耳光,明知是黑平台却还是愿意放手一搏的投资者欧亚联合证券小编实在看到过太多了。从遭遇黑平台骗局到假维权二次受骗,投资
日期: 04-02
近日,富盛财经展开了赢在期点第二轮期货投资培训计划,本轮期货培训是为适应公司期货业务发展、提升员工职业素养的深入教育。 本轮赢在期点投资教育计划,培训内容仍是以期货基础知识和期货法律法规两方面为核心要点,就深入期货专业服务为目标,这是富盛财
日期: 12-26