谷歌AI再突破,Efficientnets有望成為計算機視覺任務的新基礎!
智造觀點
谷歌人工智慧研究部門的科學家認為Efficientnets通過寬度、深度、解析度三個維度的複合擴展,展現出比現行的CNN更高的精度和效率,將成為未來計算機視覺任務的新基礎。
卷積神經網路(CNN)作為人工神經網路的一種,是當下語音分析和圖像識別領域的研究熱點。
它的人工神經元可以響應一部分覆蓋範圍內的周圍單元,所以對於大型圖像處理有出色表現,但是如果要某一點上提高準確性,就需要進行較為繁瑣的優化調整。
針對這一現象,谷歌人工智慧研究部門的科學家正在研究一種「更結構化」的方式,用以「縮放」CNN,期望獲得更好的精度和效率。
最近,他們在Arxiv.org上發表的一篇論文(EfficientNet : Rethinking Model Scaling for Convolutional Neural Networks)並附帶了一篇博客文章中對其進行描述。他們聲稱,這個被稱為「Efficientnets」的AI系統,超過了最先進的精度,並且提升了10倍的效率。
這篇論文的作者工程師Mingxing Tan 和谷歌人工智慧首席科學家Quocv.le都來自谷歌大腦。
他們認為,模型縮放的傳統做法是任意增加CNN的深度或寬度,或者使用更大的輸入圖像解析度進行訓練和評估。區別於傳統方法,他們採用了一組固定的縮放係數來均勻縮放每個尺寸。
圖中最右側就是他們的方案,在寬度、深度、解析度三個維度進行複合擴展。單一調整一個維度能夠獲得精度提升,但是隨著參數調的越大,精度增益越平滑,改進將會不明顯。而聯合調整就能夠獲得相對更好的精度增益曲線。
那麼,它是如何做到的呢?
首先,在固定的資源約束下,通過進行柵欄搜索,識別基線網路不同維度之間的關係。例如,增加兩倍的FLOPS。這決定了每一個維度適當的縮放係數,將應用於基線網路縮放至需要的模型尺寸或者計算預算。為了進一步提高性能,科研人員提出了一種新的基線網路,即MBConv,可以為EfficientNets模型體系提供種子。
在測試的過程中,Efficientnets展現出比現行的CNN更高的精度和效率,將參數大小和FLOPS減少了一個數量級。
其中,Efficientnet-B7比CNNgpipe小8.4倍,快6.1倍,分別在imagenet中上達到了Top-1(84.4%)和Top-5(97.1%)的精度。與resnet-50相比,EfficientNet-B4使top-1精度從ResNet-50的76.3%提高至82.6%。
EfficientNets在其他數據集的表現也很好。在5/8的廣泛使用的轉移學習數據集中,EfficientNets都達到了最先進的精度,並且減少了21個參數。例如,CIFAR-100(91.7%)和Flowers(98.8%),這也表明EfficientNets有很好地轉移。
兩位作者表示,通過對模型效率的顯著改進,EfficientNets有可能成為未來計算機視覺活動的新基礎。他們開源了所有EfficientNet模型,希望這些模型可以使機器學習社區受益。
TAG:人工智慧觀察 |