गुगलको नयाँ न्यूरल नेटवर्क लोकप्रिय एनालगहरू भन्दा धेरै सटीक र छिटो छ

मानव भिजुअल कोर्टेक्समा जैविक प्रक्रियाहरूबाट प्रेरित कन्भोलुसनल न्यूरल नेटवर्कहरू (CNNs), वस्तु र अनुहार पहिचान जस्ता कार्यहरूको लागि राम्रोसँग उपयुक्त छन्, तर तिनीहरूको शुद्धता सुधार गर्न कठिन र फाइन-ट्यूनिङ आवश्यक छ। त्यसकारण गुगल एआई रिसर्चका वैज्ञानिकहरूले नयाँ मोडेलहरू खोजिरहेका छन् जसले सीएनएनहरूलाई "अधिक संरचित" तरिकामा मापन गर्दछ। उनीहरुले आफ्नो कामको नतिजा २०७२ मा प्रकाशित गरेका थिए लेख "EfficientNet: Convolutional Neural Networks को लागी मोडेल स्केलिङ्ग पुनर्विचार," वैज्ञानिक पोर्टल Arxiv.org मा पोस्ट गरिएको छ, साथै मा प्रकाशनहरू तपाईको ब्लगमा। सह-लेखकहरूले दाबी गर्छन् कि कृत्रिम बुद्धिमत्ता प्रणालीहरूको परिवार, EfficientNets भनिन्छ, मानक CNNs को शुद्धता भन्दा बढी छ र न्यूरल नेटवर्कको दक्षता १० गुणा सम्म बढाउँछ।

"स्केलिंग मोडेलहरूको सामान्य अभ्यास भनेको मनमानी रूपमा CNN को गहिराई वा चौडाइ बढाउनु हो, र प्रशिक्षण र मूल्याङ्कनका लागि इनपुट छविको उच्च रिजोल्युसन प्रयोग गर्नु हो," स्टाफ सफ्टवेयर इन्जिनियर Mingxing Tan र Google AI प्रमुख वैज्ञानिक Quoc V.Le लेख्नुहोस्। "चौडाइ, गहिराई, र इनपुट रिजोल्युसन जस्ता नेटवर्क प्यारामिटरहरू मनमाने रूपमा मापन गर्ने परम्परागत दृष्टिकोणहरूको विपरीत, हाम्रो विधिले स्केलिंग कारकहरूको निश्चित सेटको साथ प्रत्येक आयामलाई समान रूपमा मापन गर्दछ।"

कार्यसम्पादनमा थप सुधार गर्न, शोधकर्ताहरूले नयाँ ब्याकबोन नेटवर्क, मोबाइल इन्भर्टेड बाटलनेक कन्भोलुसन (MBConv) को प्रयोग गर्ने वकालत गर्छन्, जसले मोडेलहरूको EfficientNets परिवारको लागि आधारको रूपमा कार्य गर्दछ।

परीक्षणहरूमा, EfficientNets ले परिमाणको अर्डरद्वारा प्यारामिटर साइज र कम्प्युटेशनल स्रोत आवश्यकताहरू घटाउँदै अवस्थित CNN हरू भन्दा उच्च शुद्धता र राम्रो दक्षता दुवै प्रदर्शन गरेको छ। मोडलहरू मध्ये एउटा, EfficientNet-B7 ले प्रसिद्ध CNN Gpipe भन्दा ८.४ गुणा सानो साइज र ६.१ गुणा राम्रो कार्यसम्पादन देखाएको छ, र परीक्षणमा ८४.४% र ९७.१% शुद्धता (शीर्ष-१ र शीर्ष-१। ५ परिणाम) पनि हासिल गरेको छ। ImageNet सेट। लोकप्रिय CNN ResNet-8,4 को तुलनामा, अर्को EfficientNet मोडेल, EfficientNet-B6,1, समान स्रोतहरू प्रयोग गरेर, ResNet-84,4 को लागि 97,1% विरुद्ध 1% को शुद्धता हासिल गर्‍यो।

EfficientNets मोडेलहरूले CIFAR-100 डेटासेट (91,7% शुद्धता) र सहित आठ मध्ये पाँच बेन्चमार्कहरूमा उच्च सटीकता प्राप्त गर्दै, अन्य डेटासेटहरूमा राम्रो प्रदर्शन गरे। फूल (98,8%)।

"न्यूरल मोडेलहरूको दक्षतामा महत्त्वपूर्ण सुधारहरू प्रदान गरेर, हामी आशा गर्छौं कि EfficientNets सँग भविष्यको कम्प्युटर दृष्टि कार्यहरूको लागि नयाँ रूपरेखाको रूपमा सेवा गर्ने क्षमता छ," ट्यान र ली लेख्छन्।

गुगलको क्लाउड टेन्सर प्रोसेसिङ इकाइहरू (TPUs) को लागि स्रोत कोड र प्रशिक्षण स्क्रिप्टहरू निःशुल्क रूपमा उपलब्ध छन् Github.

स्रोत: 3dnews.ru