Программа Microsoft Research первенствовала в нескольких категориях на шестом ежегодном конкурсе по распознаванию изображений ImageNet. Ей удалось превзойти конкурентные системы от Google, Intel, Qualcomm и Tencent, а также от ряда стартапов и научно-исследовательских лабораторий (результаты).
Система-чемпион носит название "Deep Residual Learning for Image Recognition", и к конкурсу в свободном доступе опубликована статья с описанием технических принципов её работы.
«Мы обучали нейросеть с глубиной более 150 слоёв, — описывают метод исследователи. — При этом использовался фреймворк глубокого остаточного обучения (deep residual learning), который облегчает оптимизацию и сближение крайне глубоких нейросетей. Метод глубокого остаточного обучения позволяет получить дополнительную точность, когда нейросети значительно глубже, чем использовавшиеся ранее. Такое преимущество в точности не наблюдается во многих обычных нейросетях при их углублении».
На иллюстрации нейросеть с остаточным обучением показана в правой колонке.
Технологии глубокого обучения сейчас активно изучаются многими крупными корпорациями. С помощью нейросетей повышают эффективность внутренних систем и повышают качество пользовательских продуктов. В юмористическом стиле Microsoft демонстрировала возможности своих разработок в недавних приложениях по определению возраста и оценке усов. Коммерциализация технологии распознавания изображений происходит через API в рамках проекта «Оксфорд» (Project Oxford), бета-тестирование которого началось месяц назад.
По условиям конкурса ImageNet, программа должна корректно обнаружить и классифицировать объекты на 100 000 фотографиях с Flickr и из различных поисковых систем, выбрав из тысячи тематических категорий (муравей, банан, яблоко и т.д.).
Разработка Microsoft показала уровень ошибок классификации всего 3,5%, а ошибок локализации — 9%.
В предыдущие годы победителями соревнования по уровню классификации объектов выступали Google, стартап Clarifai и NEC.
«Мы даже не предполагали, что одна эта идея [глубокое остаточное обучение] может быть настолько важной», — сказал Цзянь Сан (Jian Sun), один из авторов программы, в официальном блоге.
Автор: alizar
