|
Ob'ektni tanib olish va aniqlashBog'liq Chuqur o\'qitish file, S1YtTi43YGxXofjB, Dinamika asoslari, Data base security - lecture 61.5.1 Ob'ektni tanib olish va aniqlash
ILSVRC kompyuter koÿrish sohasidagi eng muhim muammolardan biri
boÿlib, yaqinda, ayniqsa, 2012-yilda chuqur oÿrganish boÿyicha katta
muvaffaqiyatdan soÿng katta eÿtiborni tortdi. U dastlab 2009-yilda taklif qilingan
[36]. Qiyinchilik Internetdan to'plangan rasmlarni 1000 toifaga ajratish edi . Uning
o'quv ma'lumotlari bir milliondan ortiq tasvirni o'z ichiga oladi, ular ilgari MNIST
kabi chuqur o'rganishni baholash uchun foydalanilgan boshqa ma'lumotlar
to'plamlariga qaraganda ancha katta. Ushbu tanlov bir necha yillardan beri
davom etmoqda va tanlovda ko'plab eng yaxshi kompyuter ko'rish guruhlari
ishtirok etishdi. Biroq, ob'ektni aniqlash uchun turli xil kompyuter ko'rish tizimlari
birlashishga moyil bo'ldi va 2012 yilgacha haqiqiy yutuq bo'lmadi. Ushbu bo'lim
ILSVRC natijalarini 2012 yildan 2014 yilgacha ko'rib chiqadi, shunda o'quvchilar
kompyuterda ko'rish sohasida chuqur o'rganish qanchalik tez rivojlanayotganini
tushunishlari mumkin.
12
Chuqur oÿrganish 2012-yilda, Xinton guruhi chuqur oÿrganish bilan ImageNet
Large Scale Visaul Recogni-tion Challenge (ILSVRC) tanlovida gÿolib boÿlgach,
kompyuter koÿrish qobiliyatiga katta taÿsir koÿrsata boshladi [80]. Bundan oldin,
nisbatan kichik ma'lumotlar to'plamlarida chuqur o'rganishni qo'llashga urinishlar
bo'lgan va olingan yaxshilanish boshqa kompyuter ko'rish usullari bilan
solishtirganda juda kam edi. Kompyuterni ko'rish jamiyati chuqur o'rganish 2012
yilgacha katta muammolar bo'yicha kuchli dalillarsiz inqilobiy yutuq olib kelishiga
to'liq ishonch hosil qilmagan.
Xinton guruhi ILSVRC 2012 da ushbu tanlovda ishtirok etdi. 1.1-jadvalda
ko'rsatilganidek, 2-o'rindan 4-o'ringacha bo'lgan jamoalarning barchasi an'anaviy
kompyuter ko'rish texnologiyalari va qo'lda ishlangan funksiyalardan foydalangan.
Chuqur o'rganishning tarixiy ko'rinishi
va ma'lumotlarni ko'paytirish [80] mashg'ulotlarda haddan tashqari moslashish
muammosini hal qilish uchun taklif qilingan. To'plamni normallashtirish [96] juda
chuqur neyron tarmoqlarni samarali o'rgatish uchun taklif qilingan. Chuqur
o'rganish samaradorligini optimallashtirish uchun AlexNet [80], Clarifai [173],
Overfeat [125], GoogLeNet [138] va VGG [128] kabi turli xil tarmoq tuzilmalari
keng o'rganilgan.
1
1http://yann.lecun.com/exdb/mnist/
Toÿliq matn: http://dx.doi.org/10.1561/2000000071
|
| |
