Jauna veida datora redzējumu nevar apmānīt dīvains apgaismojums

Kategorija: Bez kategorijas Ievietots 21. novembris

Kopš tā laika datorredze ir nogājusi garu ceļu imagenet 2009. gadā tika izlaista liela atvērtā koda datu kopa ar iezīmētiem attēliem, lai pētnieki varētu to izmantot AI apmācīšanai, taču attēli ar sarežģītu vai sliktu apgaismojumu joprojām var sajaukt algoritmus. Pētnieki ir mēģinājuši izmantot ar rokām izstrādātus noteikumus par to, kā gaisma mijiedarbojas ar objektiem, vai arī izmantojuši datu kopu, kas aptver pēc iespējas vairāk apgaismojuma situāciju. Taču reālajā pasaulē ir gandrīz neierobežota priekšmetu un gaismas kombinācija, kas kavē abas pieejas.

Jaunajā MIT un DeepMind pētnieku rakstā ir aprakstīts process, kas var identificēt attēlus dažādos apgaismojumos, bez nepieciešamības manuāli kodēt noteikumus vai apmācīt milzīgu datu kopu. Process, ko sauc par renderēto iekšējo tīklu (RIN), automātiski sadala attēlu atstarošanas, formas un apgaismojuma slāņos. Pēc tam tas pārkombinē slāņus sākotnējā attēla rekonstrukcijā.

Lai apmācītu RIN, pētnieki izveidoja datu kopu no piecām formām — kubiņiem, sfērām, konusiem, cilindriem un toriem — un katru atveidoja ar 10 dažādām orientācijām un 500 dažādām krāsām. Kā koncepcijas pierādījumu pētnieki parādīja, kā attēla sadalīšana trīs slāņos var palīdzēt datoram noteikt, kas ir attēlā redzamais vienums, vai secināt tā formu. Piemēram, modelis iemācījās pamanīt daudz sarežģītākus priekšmetus, piemēram, klasiskos attēlu testa modeļus Stenfordas zaķis , Jūtas tējkanna , un Blendera Sūzena — pēc tam, kad ir apgūtas pamata parauga formas, nekad neredzot marķētus piemērus.

Papildus tam, ka RIN tiek piedāvāts jauns veids, kā pārvarēt attēla bezgalīga apgaismojuma situāciju, tas ir arī piemērs mācībām ar nemarķētiem datiem. Lielākajai daļai AI joprojām ir nepieciešami marķēti dati, lai mācītos, un to sagatavošana prasa vairākas stundas atkārtota cilvēka darba. Viena no nākamajām mākslīgā intelekta robežām ir atrast veidu, kā mācīties no nemarķētiem datiem.