途游棋牌

广州乐行机器视觉设备技术有限公司

 

服务热线:

当前位置:主页 > 行业资讯 >

行业资讯

苹果让机器训练机器第一份人工智能论文揭示了这个秘密

时间:2019-04-08来源:广州乐行机器视觉设备技术有限公司浏览次数:

     最近,苹果发布了第一篇关于人工智能(AI)的学术论文——通过对抗训练(AI)从模拟和无监督图像中学习,主要描述了如何提高计算机视觉系统中的图像识别能力,这也为苹果的研究指明了一个新的方向。
    
     随着图形技术的发展,用合成图像训练机器学习模型变得越来越容易,这有助于避免注释图像的昂贵费用,然而,用合成图像训练的机器学习模型由于合成图像与传统的机器学习模型之间存在差异,可能无法取得满意的效果。毕竟,为了减少这种差异,我们提出了一种模拟+无监督学习方法,通过计算机生成或合成图像来训练算法的图像识别能力。
    
     实际上,这种模拟+无监督学习需要将无标记的真实图像数据与带注释的合成图像相结合,在很大程度上依赖于生成对策网络(gan)的新机器学习技术,它可以通过对抗两个神经网络生成更真实的图像,我们做了一些关键的修改。对标准的GAN算法进行注释保存,避免伪影和训练稳定性:自正则化-局部对抗丢失-使用改进的图像升级鉴别器。
    
     我们发现,这一过程可以产生非常逼真的图像,在质量和用户研究方面都得到了证实。我们使用训练模型来评估视线水平和姿态,并定量评估计算机生成的图像。通过使用合成图像,我们的图像识别算法取得了很大的进步。通过使用人工图像,我们的图像识别算法已经取得了很大的进步。尽管使用任何标准的真实数据,我们在MPiGaze数据集中获得了最高级别的结果。
    
     随着高容量深度神经学习网络的兴起,大规模的标签训练数据集变得越来越重要,然而,大量的标准数据集是非常昂贵和耗时的,因此,使用合成而非真实图像训练算法的想法开始出现,作为注释。使用Xbox360外围Kinect来评估人体姿势和其他任务是使用合成数据完成的。
    
     (图1:模拟+无监督学习:通过计算机生成或合成图像来训练算法的图像识别能力)
    
     然而,由于合成图像与真实图像之间的差距,在使用合成图像训练算法时可能存在许多问题,由于合成图像通常不够真实,神经网络学习只能理解合成图像的细节,不能完全识别真实图像,因而不能提供准确度。为算法进行ATE学习。一种解决方案是改进模拟器,但增加真实性的计算往往非常昂贵,渲染器的设计也更加困难。此外,即使是最先进的渲染器也可能无法模仿真实图像中的所有特征。因此,缺乏真实性可能导致OV人工合成图像中不真实细节的拟合。

广州乐行机器视觉设备技术有限公司专业从事自动化检测设备,视觉传感器研究与开发,提供各种行业的解决方案,作为专注于机器视觉应用的公司,我们在视觉、机械、电气方面的整合能力达到了较高水平。能在短期内根据客户的需求研发、设计、生产出较高水平的非标设备、检测系统。

公司地址:
联系电话:

企业邮箱:

途游棋牌 途游棋牌 途游棋牌 途游棋牌 老K棋牌游戏 途游棋牌 途游棋牌 途游棋牌官网 途游棋牌 途游棋牌