Шабакаҳои нейронҳои конволютсионӣ (CNN), ки аз равандҳои биологӣ дар кортекси визуалии инсон илҳом гирифта шудаанд, барои вазифаҳое ба мисли шинохти ашё ва чеҳра мувофиқанд, аммо беҳтар кардани дақиқии онҳо танзими дилгиркунанда ва дақиқро талаб мекунад. Аз ин рӯ, олимони Google AI Research моделҳои наверо меомӯзанд, ки CNN-ро ба таври “сохторноктар” васеъ мекунанд. Онхо натичахои кори худро дар "EfficientNet: Таҷдиди назар кардани миқёси модел барои шабакаҳои нейронҳои конволютсионӣ", ки дар портали илмии Arxiv.org нашр шудааст, инчунин дар дар блоги шумо. Ҳаммуаллифон мегӯянд, ки оилаи системаҳои зеҳни сунъӣ, ки EfficientNets ном дорад, аз дақиқии CNN-ҳои стандартӣ зиёдтар аст ва самаранокии шабакаи нейронро то 10 маротиба зиёд мекунад.
"Таҷрибаи маъмули миқёси моделҳо ин аст, ки худсарона зиёд кардани умқ ё паҳнои CNN ва истифодаи ҳалли баландтари тасвири воридотӣ барои омӯзиш ва арзёбӣ", менависад муҳандиси нармафзори кормандон Мингсин Тан ва олими пешбари Google AI Quoc V .Le). "Баръакси равишҳои анъанавӣ, ки параметрҳои шабакаро худсарона миқёс мекунанд, ба монанди паҳнӣ, амиқ ва ҳалли вуруд, усули мо ҳар як андозаро бо маҷмӯи собит омилҳои миқёссозӣ яксон миқёс мекунад."
Барои боз ҳам беҳтар кардани кор, муҳаққиқон ҷонибдори истифодаи шабакаи нави магистралӣ, конволютсияи мобайнии гардиши мобилӣ (MBConv), ки ҳамчун асос барои оилаи моделҳои EfficientNets хизмат мекунад.
Дар санҷишҳо, EfficientNets нисбат ба CNN-ҳои мавҷуда ҳам дақиқии баландтар ва самаранокии беҳтарро нишон дода, андозаи параметрҳо ва талаботи захираҳои ҳисобкуниро бо тартиби миқёс кам кард. Яке аз моделҳо, EfficientNet-B7, нисбат ба CNN Gpipe 8,4 маротиба хурдтар ва 6,1 маротиба беҳтар кор нишон дод ва инчунин 84,4% ва 97,1% дақиқ (Top-1 ва Top-5) ба даст овард. маҷмӯи ImageNet. Дар муқоиса бо маъмули CNN ResNet-50, модели дигари EfficientNet, EfficientNet-B4, бо истифода аз захираҳои шабеҳ, дақиқии 82,6% дар муқоиса бо ResNet-76,3 50% ба даст овард.
Моделҳои EfficientNets дар дигар маҷмӯаҳои додаҳо хуб кор карда, дар панҷ аз ҳашт меъёр, аз ҷумла маҷмӯи додаҳои CIFAR-100 (91,7% дақиқ) ва (98,8%).
"Бо таъмин намудани беҳбудиҳои назаррас дар самаранокии моделҳои нейрон, мо интизорем, ки EfficientNets дорои потенсиали як чаҳорчӯбаи нав барои вазифаҳои ояндаи биниши компютер мебошад" менависанд Тан ва Ли.
Рамзи манбаъ ва скриптҳои омӯзишӣ барои воҳидҳои коркарди абрии тензорҳои Google (TPUs) дар сайт ройгон дастрасанд. .
Манбаъ: 3dnews.ru