- Asus представила «задушенную» Radeon RX 9060... (6907)
- Новые ноутбуки в России подорожали на 30–35... (7273)
- Вышла рекордно мощная «Яндекс Станция Bork»... (7310)
- Для поиска внеземной жизни учёные создали... (7137)
- Oracle исчерпала многомиллиардный лимит на... (7284)
- Anthropic вплотную приблизилась к... (7075)
- Финальное дополнение к Frostpunk 2 отправит... (7433)
- «Как генная инженерия для нейросетей»:... (7199)
- Nvidia решила отрезать Китай от зарубежных... (7223)
- Представлен сверхэкономный ИИ-чип для... (7089)
- Apple предупредила пользователей в 99... (7804)
- Apple установила рекорд по продажам iPhone,... (7872)
- В Apple «не могут предсказать», когда... (8689)
- Дорогая память и ИИ для Siri бьют по... (8165)
- Инвесторы остудили амбиции Anthropic: перед... (7190)
- Фабрики чипов есть, а заказчиков нет:... (7935)
В Microsoft создана система распознавания образов, по точности превосходящая человека
Дата: 2015-12-17 15:26
Исследователи, работающие в Microsoft над проблемой распознавания объектов на фотографиях и видеозаписях, сообщили о существенном достижении: созданная ими система по точности не уступает человеку, а порой и превосходит его.
Новый подход позволил разработке Microsoft победить в конкурсе ImageNet (соответствующий набор из огромного количества изображений традиционно используется для глубокого обучения систем распознавания и оценки их возможностей).
В состязании ImageNet команда Microsoft заняла первые места в трех категориях: классификация, локализация и обнаружение. Причем система обошла конкурентов с большим отрывом.
В другом состязании — Microsoft Common Objects in Context (MS COCO) — разработка стала первой по сегментации изображений и обнаружению объектов.
Система, построенная на идее нейронных сетей, отличается от похожих более глубоким устройством. Ее высокая эффективность объясняется наличием связей, по сложности существенно превосходящих связи в других подобных сетях. Нейронные сети образуют слои, увеличение количества которых, теоретически, должно сопровождаться улучшением результатов работы. Однако увеличению числа слоев препятствует размытие данных при прохождении через каждый следующий слой, что затрудняет обучение сети. Несколько лет назад хорошим результатом считалось наличие восьми слоев, а в прошлом году число слоев удалось увеличить до 20-30. Подход, который сами участники проекта называют «глубокой остаточной сетью», позволил довести число слоев до 152. В таких сетях меняется как направление потока информации, так и процедура обучения. Разработчики признают, что успех был в определенной степени неожиданностью для них самих, поскольку до практической проверки было неясно, сработает ли выбранный подход.
По словам участников проекта, их наработки уже используются в других направлениях, включая распознавание речи.
Источник: Microsoft
Теги: Microsoft КомментироватьПодробнее на iXBT
Предыдущие новости
Самоуправляемые автомобили Ford выедут на калифорнийские дороги
Полностью самоуправляемые седаны Ford Fusion Hybrid начнут испытываться на дорогах общего пользования Калифорнии (США) со следующего года. Сообщается, что программа испытаний будет организована в рамках развития центра исследований и инноваций Ford в городе Пало-Альто, который начал работу в январе нынешнего...
В Microsoft Excel обнаружена критическая уязвимость
Удаленный пользователь может с помощью специально сформированного файла скомпрометировать систему. Успешная эксплуатация уязвимости требует запуска вредоносного файла жертвой. Брешь затрагивает Microsoft Excel версий 2007, 2010 и 2013. Сведений об активной эксплуатации уязвимости не...
Смартфон Samsung Galaxy J1 mini прошел сертификацию Bluetooth
Очередной бюджетный смартфон от компании Samsung прошел сертификацию Bluetooth. Как стало известно, в скором времени корейский производитель выпустит на рынок модель Galaxy J1
AeroCool представила корпус CS-100 для офисных и домашних систем
Компания AeroCool Advanced Technologies представила компьютерный корпус CS-100. Новинка выполнена в форм-факторе Micro ATX и предназначена для сборки офисных и домашних мультимедийных систем среднего