مصدر @ رؤية الصين

ون | الجسم القطبي الدماغ

أقل من 10 أيام غادر في عام 2018، استعراض التقدم المحرز في مجال CV (الكمبيوتر الرؤية، الحاسوب الرؤية) هذا العام، ما لم يكن الدخول في طفرة ثورية في مجال التكنولوجيا.

العديد من رئيس تركيز أعمال الشركة، بالإضافة إلى تعزيز دقة خوارزميات القائمة، أو للتركيز أكثر على مرمى التوزيع التجاري.

ويبدو أن كل شركة في هذا مرئية لسباق "ماتش بوينت" ضد الزمن لاكتشاف سيناريوهات جديدة.

ومع ذلك، لا تزال هناك العديد من التطورات التكنولوجية الجديدة تستحق لدينا مكرسة مقالا للحديث عن مثل الحديث اليوم عن صفر شوت التعلم.

بعد كل شيء، عندما وضعت المشهد إلى الحد الأقصى، نعود إلى تكنولوجيا خط الانطلاق.

ما هو ZSL؟

عينة الصفر التعلم التعلم الصفر بالرصاص، آلة طريقة تحديد هي واحدة من أكثر تحديا. في عام 2009، لامبرت، الذي اقترح الحيوانات مع مجموعات البيانات سمات وخوارزميات التعلم الكلاسيكية على أساس الصفات، بدأت لجعل تسببت في خوارزمية قلقا واسع النطاق.

هذا مهم جدا لأنه يختلف تماما عن الطريقة التقليدية في التفكير المهام التعرف على الصور.

من حيث المبدأ، ZSL هو السماح للكمبيوتر مع قدرة الإنسان على السبب، لتحديد أشياء جديدة لم يسبق له مثيل من قبل.

على سبيل المثال، لم نر قال حمار وحشي الأطفال: "تبدو حمار وحشي مثل الحصان الذي لديه حيوان أسود وخطوط بيضاء"، وانه يمكن بسهولة معرفة الذي هو حمار وحشي في حديقة حيوان.

ومع ذلك، في خوارزمية التعرف على الصور التقليدية للحصول على الجهاز الاعتراف "حمار وحشي"، وغالبا ما تحتاج إلى أن يكون الطعام، "حمار وحشي" حجم العينة كافية ممكن الآلات. وعلاوة على ذلك، لا يمكن تحديد استخدام "حمار وحشي" المصنف تدريب في الأنواع الأخرى.

لكن ZSL يمكن القيام به، لا وقت للتعلم، فقط من خلال توصيف لتحديد أشياء جديدة، ولا شك من الذكاء البشري هو خطوة أقرب.

لذا، فإن هذا "يوم العرض" في نهاية المطاف هو كيفية العمل؟

ببساطة، هو استخدام ميزات الدلالي الأبعاد عالية بدلا من الميزات عينة منخفضة الأبعاد، مما يجعل من نموذج دربت الحركة.

مثل الأبعاد عالية حمار وحشي الدلالي هو "شكل الحصان، الباندا اللون، خطوط النمر" وعلى الرغم من عدم وجود مزيد من التفاصيل، ولكن هذه يجب أن تكون كافية عالية لتصنيف "حمار وحشي"، حتى أن الجهاز تنبأ بنجاح.

ركزت إذا كان شيء قد ظهر أبدا على البيانات الموجودة، والتعلم الآلي وكيفية التعرف عليه: هذا يحل مشكلة التعرف على الصور منذ فترة طويلة.

لا يبدو نظرة ذكي جدا حتى تبرد، في الواقع، صحيح!

أين ZSL في "التفوق" تأتي من؟

سوف CV يكون في المؤتمر الحقل أعلى CVPR عام 2018، دراسة عن استخدام تحديد ملامح الصفر أوراق هوية العينة، ويعتقد أنه لتمثيل أفضل مستوى الحالي في هذا المجال.

السبب في ذلك أهمية كبيرة، في السنوات الأخيرة، ويرجع ذلك أساسا إلى الصفر التعلم عينة (ZSL) تلعب دورا نشطا في مهمة التعرف على الأشياء.

كما واقع ZSL الوضع تطالب من أي وقت مضى التحديات، فمن لديه القدرة على التأثير على الآخرين تأثير التعرف على الصور مفتاح.

التكنولوجيا الحالية تميل إلى التركيز على التعلم تحت إشراف، فمن الضروري الاستمرار في تقديم مجموعات البيانات الكبيرة، قد جوجل قالوا إنهم كانوا يتدربون مع الصورة 300Million 3D. وعلاوة على ذلك، هناك حاجة كل منطقة من مجموعات البيانات منها.

في هذه الحالة، كل من عبء العمل ملحوظ البيانات يصبح كبير، والكثير من الأشياء الجديدة ولكن أراد بمناسبة خروج من هذه المسألة. في نهاية هذه الكفاءة نشر والتكلفة أصبحت هذه الصناعة "لا تحتمل".

كيف نفعل ذلك؟ وكان الباحثون يحاولون جعل الجهاز لتعلم "تنفق أقل من المال لبذل المزيد من الأشياء."

البحث تينسنت AI مختبر، على سبيل المثال، أن "متنوعة الشرح صورة"، هو الاستفادة من العلاقات الدلالية بين العلامات، والعلامات مع تنوع قليل للتعبير عن كمية المعلومات صورة، وصفت تلقائيا.

ZSL هو أكثر تطرفا حتى، إلى "خفة اليد من الحيل"، وهذا التحدي النهائي في إطار فرضية عينة تكن كذلك، تعطي جلبت صناعة التكنولوجيا الحيوية الجديدة.

أولا، خوارزميات الحالية تعتمد تخفيض ZSL الضغط ومجموعة البيانات المسمى، لصالح التقارب آلة الرفع تكنولوجيا الرؤية وكفاءة نشر.

وبالإضافة إلى ذلك، وصناعة يدعو الآن لعدد نهاية أسفل احتياجات قوة تنمو، ZSL بشكل واضح وفعال تشير إلى الحلول الممكنة.

الأهم من ذلك، ZSL حل المشكلة ليست مجرد البصرية، ولكن أيضا مع تطور NLP يكمل كل منهما الآخر. لا بد من الاعتراف بها الأبعاد عالية وصف الدلالي غامضة، الأمر الذي يتطلب مجرد تصنيف بسيط من الجهاز، ولكن أيضا لفهم بعض الميزات المتقدمة من المعرفة البشرية، ومثل هذا النمط من العمل الفني، وهو نوع خاص من العواطف. العثور على هذا الرابط على دلالات، رؤية الجهاز والتكنولوجيا NLP سوف معا مشترك لحل المشكلة، ZSL تحفيز مخيلة تكنولوجيا مثيرة جدا للاهتمام.

قل "البيانات هي الوقود AI"، أن أي وقود لم يكن مقدرا لGG؟ ZSL يمثل استمرار الحياة، وهكذا كان جوزيف!

من 0-1: ZSL وOSL ما الفرق؟

في هذا الوقت، ويفترض الكثير من الاهتمام لاتجاهات التكنولوجيا من الطلاب قد وجدت، عينة والصفر الدراسة والتعلم عينة صغيرة (OSL، واحدة أطلق عليه الرصاص التعلم) في التطبيق النهائي للنتائج، يبدو تشبه الى حد بعيد دور آه.

على سبيل المثال، فإنها تشير إلى وجود مستوى عال من مشاكل في الادراك. فقط تعطي OSL على "حمار وحشي" الصورة، يمكن أن يكون فعال جدا التعرف عليه من الحيوانات الأخرى. تعلم أيضا من الخلف تسمية وتصنيف والمنطق القدرة الصغيرة.

في الجانب التطبيقي، لأن لا تعتمد على مجموعات كبيرة من البيانات، يمكن كلا النموذجين تساعد في تحديد هذه الصناعة AI لتحقيق الكفاءة من حيث التكلفة.

انها تقف الى العقل، منذ العينة الصفر هي مجموعة فرعية صغيرة من العينة، فإنه ليس من الممكن تطبيق مباشرة ZSL OSL نموذج حل المشكلة؟

في الواقع، كان ذلك ممكنا. بعد كل شيء، "أنا لم أر قط من قبل" و "منشار" المقارنة "0-1" صعوبات تقنية تطلبا.

ومع ذلك، وهما لا يمكن الاستعاضة عنها بسهولة أو ساوى، أبحاثهم مهمة.

و، ويتم ذلك التحدي ZSL نقل المعرفة أكبر الفرق في دلالات مماثلة، والحاجة OSL التي ينبغي معالجتها هو القدرة على استكمال الدلالي، وهذا هو كيف عينة فريدة من نوعها لمعرفة المزيد من الميزات.

في الممارسة العملية، وقدرات مفتاح مختلفة، ومنحهم مختلفة "السكينة".

من المراعي الشاسعة: تطبيق سيناريوهات ZSL

لذا، ZSL في النهاية يمكن أن تفعل ذلك؟

لقد قلنا من قبل، والتطبيقات الصناعية الحالية تعلم عمق أكبر نقطة الألم هو ببساطة في حالة حب مع الحصان (التعميم)، ولكن كان للأسرة أي المراعي (عالية الجودة مجموعة البيانات). الشركات سوف أيضا ليست للخيول الخيول البرية، بغض النظر عن التكلفة للمقاول على جميع الأراضي العشبية.

وZSL الخيال يمكن أن توفر، من "المرج" إلى حد أكبر:

1. عملية الشرح التلقائي الصورة.

وصفت مكلفة، وبطء، مرة واحدة يتم تطبيقها ZSL، فهم الدلالات والهجرة، عن طريق معرفة رسم الخرائط المساعدة (على سبيل المثال، والصفات، ووصف النص، وما إلى ذلك)، جنبا إلى جنب مع نظام مراقبة مختلف البصرية يدويا، يمكن أن تكون البيانات تلقائيا تحديد وعمل وضع العلامات، ودقة النتائج ليست أقل من مصطنعة.

2. مجهولة أو غامضة الترجمة.

في فيلم "قادمة"، واللغوي الأمريكي المتعثر لاستنتاج خصائصها، والانتهاء التواصل مع الأجانب. المستقبل، يمكنك القيام بذلك عن طريق الجهاز. على سبيل المثال، كان بعض من عينات قليلة أو لا لغة الاختبار (مثل وو لغة بوكي)، عن طريق نظام ZSL يمكن أتمتة عملية الترجمة، لتحقيق الحب الكوني والسلام.

3. فئة جديدة من تركيب الصورة.

الهدف ZSL هو تحديد تعلم أشياء جديدة، وبعض تركيب صورة من فئات جديدة يمكن إنشاؤها من قبل ZSL. على سبيل المثال، لاستعادة الأنواع المنقرضة. وربما في المستقبل التي تراها في "الجوراسي" سلسلة ديناصور، هو آلة "استخلاص".

4. التعرف على الفيديو.

في الوقت الحاضر، المزيد والمزيد من البيانات المرئية وتظهر إشارات النص معا، مثل موقع متكامل الفيديو، والفيديو، والصوت، وترجمات، وابل والتعليقات والمعلومات متعددة الوسائط ويريد الاستفادة من العلاقة بينهما، ذلك يعتمد على الماكرو المتوقع قدرة ZSL.

جميع في كل شيء، يمكن للآلة أن يكون مثل رجل مع "بضع كلمات" لجعل التفكير والحكم، بل هو وظيفة مفيدة جدا.

الحصول على التخلي عن: مسألة لا تزال ZSL العنيد

منذ ذلك الماشية، لماذا لم ZSL فاترة ذلك؟ على الأقل ليس مثل غيرها من خوارزميات التعلم العميق بأنه "السكان الحيوانات الأليفة." والسبب الرئيسي هو أن العديد من العلل "الصدفية" نوع:

أولا ZSL تأثير مماثل يعتمد على المعلومات واسطة. إذا كانت فئة من مجموعات التدريب والاختبار الذي فرق كبير في التدريب، مثل واحد التي هي كل الحيوانات، والتي هي كل منزل آخر، ثم السماح أن العلاقة رسم الخرائط تحليل ZSL بينهما يكون من الصعب جدا، بل هو عرضة للانجراف خصائص "تحيز قوي" المشكلة، فإنه من الصعب التنبؤ النتيجة الصحيحة، مما يؤدي إلى أداء ZSL تقلص إلى حد كبير.

ثانيا، عدم وجود تعريفات وتوصيفات المهنية الكافية. ZSL على الرغم من عدم حاجة كمية كبيرة من مجموعات بيانات الصورة، ولكن يتطلب التوصيف. هذا الجانب من الجهاز هو أفضل من النتائج تصنيف الاصطناعية. ولكن هناك قلة من المتخصصين الكافي لمساعدة، NLP التنمية الخاصة هي أيضا غير كافية لتلبية احتياجات ZSL، مما يجعل العملية برمتها هي بطيئة نسبيا.

لم يتم حل هذه القيود، ZSL تملك حتى القدرة على التعلم من المبتدئين إلى الطغاة، ويمكن أن يعود فقط إلى باوشان وتفريغ، لم يكن جيدة مثل وظائف خوارزمية بعيدا.

وإذ تشير إلى الماضية التكنولوجيا العام CV عملية التصنيع، التي تعتبر نشوة المزدهرة.

يمكننا أن نتصور واحد القادم أو عامين، من محطة ذكي الشخصية للعيون في المدينة، ورؤية الجهاز في كل مكان.

جانب واحد تزدهر سيناريوهات غير طبيعي الساخنة، جانب واحد مثل ZSL الأسهم المحتملين وفي راكدة نسبيا، فشلت القضية الأساسية لتحقيق انفراجة.

في هذه السنة الجديدة الماضي والمرحلة، وربما حان الوقت لتبشر بمستقبل من ZSL.

المزيد من المحتوى المثير، اهتمام وسائل الاعلام التيتانيوم إشارة الصغرى (ID: taimeiti)، والتيتانيوم أو تحميل وسائل الاعلام التطبيقات