Google Pixel 5？
グーグルは持っています 複数のデータセットの可用性を発表しました 多様であるが限られた自然の画像で構成されています。検索の巨人は、公開されているデータがペースを上げると確信しています 機械学習と人工知能 最小限のデータでAIモデルをトレーニングするのにかかる時間を短縮します。 Googleは、AIモデルがより少ないデータで「学習」するのに役立つ新しいイニシアチブを「無料のメタデータセット」と呼んでいます。同社の「Few-ShotAI」は、AIが少数の代表的な画像からのみ新しいクラスを学習できるように最適化されています。
Googleは、より少ないデータセットでAIと機械学習モデルを迅速にトレーニングする必要性を理解し、アルゴリズムの精度を向上させるために必要なデータ量を削減するのに役立つ画像の小さなコレクションである「メタデータセット」をリリースしました。同社は、数ショットの画像分類手法を使用すると、AIモデルとMLモデルは、はるかに少ない代表的な画像から同じ洞察を得ることができると主張しています。
Google AIがメタデータセットを発表：少数のショット学習のためのデータセットのデータセット：
AIと機械学習のディープラーニングは、かなり前から指数関数的に成長しています。ただし、主要な要件は、高品質のデータの可用性であり、それも大量です。手動で注釈が付けられた大量のトレーニングデータは、入手が困難な場合が多く、信頼性が低い場合もあります。大規模なデータセットのリスクを理解し、Googleはメタデータセットのコレクションの可用性を発表しました。
使って ' メタデータセット：いくつかの例から学ぶことを学ぶためのデータセットのデータセット 」（ ICLR 2020 ）、Googleは、現実的でやりがいのある数ショットの設定でさまざまな画像分類モデルの能力を測定するための大規模で多様なベンチマークを提案し、数ショット分類のいくつかの重要な側面を調査できるフレームワークを提供します。基本的に、Googleは10の公開されている、無料で使用できる自然画像のデータセットを提供しています。これらのデータセットは、ImageNet、CUB-200-2011、菌類、手書き文字、落書きで構成されています。コードは 公衆 と含まれています ノート これは、メタデータセットをで使用する方法を示しています TensorFlow そして PyTorch 。
いくつかのショットの分類は、 標準トレーニングと深層学習モデル 。テスト時には、まったく新しいクラスに一般化する必要があります。つまり、テスト中に使用された画像はトレーニングでは見られませんでした。数ショットの分類では、トレーニングセットには、テスト時に表示されるクラスとは完全に互いに素なクラスが含まれています。各テストタスクには、 サポートセット モデルが新しいクラスと互いに素なことについて学習できるいくつかのラベル付き画像の クエリセット 次に、モデルに分類を依頼する例の例。
メタデータセットは大きなコンポーネントであり、 モデルは、まったく新しいデータセットへの一般化を研究します 、トレーニング中にどのクラスの画像も見られませんでした。これは、数ショットの学習設定に固有の新しいクラスへの難しい一般化の課題に追加されます。
メタデータセットは、AIおよび機械学習モデルのディープラーニングにどのように役立ちますか？
Meta-Datasetは、これまでのクロスデータセットの数ショットの画像分類の最大規模の組織化されたベンチマークを表しています。また、各タスクのクラス数、クラスごとの利用可能な例の数、クラスの不均衡の導入、および一部のデータセットの場合は、各タスクのクラス。
メタデータセットは、数ショットの分類に新しい課題をもたらします。 Googleの調査はまだ予備的なものであり、カバーすべき多くの根拠があります。しかし、検索の巨人は、研究者が成功を経験していると主張しています。注目すべき例のいくつかには、巧妙に設計された使用が含まれます 仕事 コンディショニング 、より洗練された ハイパーパラメータ調整 、〜 ' メタベースライン ’は、事前トレーニングとメタ学習の利点を組み合わせ、最終的には 特徴選択 各タスクのユニバーサル表現を専門にします。
タグ グーグル
