El diseño de sistemas de IA es capaz de identificar con precisión las características de cada lugar del mundo a nivel individual (es decir, es posible distinguir entre lugares de una misma categoría, por ejemplo, las Cataratas del Niágara con cualquier otra cascada) y recuperar imágenes ( objetos en imágenes con otras versiones de esta audiencia por categoría) son uno de los objetivos a largo plazo del departamento de investigación intelectual. El interés especial artificial de Google. El año pasado, la compañía lanzó Google-Marcos, un paquete de datos relacionado con puntos de referencia en la Tierra que Google afirma ser el más grande del mundo en ese momento, y también organizó 2 concursos (Landmark Recognition 2018 y Landmark Retriny 2018), atrayendo a la participación de más de 500 investigadores de aprendizaje automático, así como de la inteligencia artificial líder en el mundo.
- Mejorar la eficacia de la evaluación del estado de depresión mediante modelos de IA
Tras el éxito del año pasado, ayer 5/5, Google lanzó oficialmente el almacén de datos de entrenamiento de código abierto de AI Google-Marcos-v2, como un paso importante en el plan de desarrollo exitoso. Los modelos de visión por computadora pueden identificar puntos de referencia mundiales de manera rápida, precisa y más sofisticada. Este almacén de datos de Google-Marcos-v2 tiene una escala mucho mayor que la versión anterior, con hasta 5 millones de imágenes (el doble de la versión anterior) de 200.000 ubicaciones (7 veces la versión anterior) en todo el mundo.
Además, Google no se ha olvidado de ofrecer dos nuevos ‘desafíos’ este año: Landmark Recognition 2019 y Landmark Retriny 2019 en la comunidad de aprendizaje automático de Kaggle y lanzar el código fuente y el modelo para Detect-to-Retrieve, un marco lo que ayuda a restaurar imágenes por región de forma más eficaz.
- La IA usa tweets para ayudar a los investigadores a analizar la situación de las inundaciones
“Ambos métodos de reconocimiento y recuperación de imágenes generalmente requieren un conjunto de datos de entrenamiento a gran escala, tanto en el número de imágenes como en la variedad de lugares para entrenar mejor el sistema. más fuerte. Esperamos que este conjunto de datos ayude a mejorar la identidad y la recuperación de imágenes de los modelos modernos de IA de manera más completa ”, dijeron dos ingenieros de software del equipo de Google, AI Bingyi Cao y Tobias. Weyand compartió.
Además, según los dos expertos, se recopilaron 5 millones de fotos de más de 200.000 lugares almacenados en Google-Marcos-v2, así como aportaciones de fotógrafos de todo el mundo. Cada foto se identificará con una descripción de la ubicación y el autor, como el Castillo de Neuschwanstein (Castillo de Neuschwanstein), el Puente Golden Gate, Kiyomizu-dera, Burj Khalifa y la Esfinge de Giza (Gran Esfinge de Giza), Machu Picchu y muchos otros personajes famosos. atracciones. Más tarde, los investigadores de Google realizaron fotos adicionales y menos conocidas recopiladas de Wikimedia Commons, el archivo en línea de imágenes, audio y muchos otros tipos de datos multimedia de la Fundación Wikimedia.
- La inteligencia artificial OpenAI derrotó al actual campeón mundial Dota 2
Entonces, ¿cuál es el principal problema que resolverá el marco de detección para recuperar? Según la explicación de Bingyi Cao y Tobias Weyand, los modelos lanzados por Google (entrenados en base a un subconjunto de las 80.000 fotos tomadas del primer conjunto de datos de Google-Marcos) pueden aprovechar los campos de género. cuadros delimitadores de un modelo de detección de objetos para “agregar peso” a las áreas de la imagen que contienen elementos interesantes, lo que mejora enormemente la precisión.
Además, Landmark Recognition 2019 (donde los equipos participantes son responsables de diseñar modelos de IA para ayudar a identificar puntos de referencia) y Landmark Retriny 2019 (los equipos participantes utilizan el sistema de IA para encontrar la imagen correcta en una ubicación designada ) comenzó a registrarse para participar hoy. Ambos concursos incluirán premios en efectivo por valor de 50.000 dólares y, al mismo tiempo, los equipos ganadores serán invitados por Google a participar en conferencias de Visión por Computadora e Identificación de Modelos (Conferencia de Visión por Computadora y Reconocimiento de Patrones). ) celebrada en Long Beach, California, a finales de este año, para proporcionar detalles sobre el método que implementaron.
ai inteligencia artificial aprendizaje automático google visión por ordenador visión por ordenador
El diseño de los sistemas de IA es capaz de identificar con precisión las características de cada lugar del mundo a nivel individual (es decir, es posible distinguir entre lugares de una misma categoría, por ejemplo, las Cataratas del Niágara con cualquier otra cascada) y recuperar imágenes ( objetos en imágenes con otras versiones de esta audiencia por categoría) son uno de los objetivos a largo plazo del departamento de investigación intelectual. El interés especial artificial de Google. El año pasado, la compañía lanzó Google-Marcos, un paquete de datos relacionado con los puntos de referencia de la Tierra que Google afirma ser el más grande del mundo en ese momento, y también organizó 2 concursos (Landmark Recognition 2018 y Landmark Retriny 2018), atrayendo a la participación de más de 500 investigadores de aprendizaje automático, así como de la inteligencia artificial líder en el mundo.
- Mejorar la eficacia de la evaluación del estado de depresión mediante modelos de IA
Tras el éxito del año pasado, ayer 5/5, Google lanzó oficialmente el almacén de datos de capacitación en inteligencia artificial de código abierto Google-Marcos-v2 como un paso importante en el plan de desarrollo exitoso. Los modelos de visión por computadora pueden identificar puntos de referencia mundiales de forma rápida, precisa y sofisticada. Este data warehouse de Google-Marcos-v2 tiene una escala mucho mayor que la versión anterior, con hasta 5 millones de imágenes (el doble de la versión anterior) de 200,000 ubicaciones (7 veces la versión anterior) en todo el mundo.
Además, Google no se ha olvidado de ofrecer dos nuevos ‘desafíos’ este año: Landmark Recognition 2019 y Landmark Retriny 2019 en la comunidad de aprendizaje automático de Kaggle y lanzar el código fuente y el modelo para Detect-to-Retrieve, un marco lo que ayuda a restaurar imágenes por región de forma más eficaz.
- La IA usa tweets para ayudar a los investigadores a analizar la situación de las inundaciones
“Ambos métodos de reconocimiento y recuperación de imágenes generalmente requieren un conjunto de datos de entrenamiento a gran escala, tanto en el número de imágenes como en la variedad de lugares para entrenar mejor el sistema. más fuerte. Esperamos que este conjunto de datos ayude a mejorar la identidad y la recuperación de imágenes de los modelos modernos de inteligencia artificial de manera más completa ”, dijeron dos ingenieros de software del equipo de inteligencia artificial de Google, Bingyi Cao y Tobias. Weyand compartió.
Además, según los dos expertos, se recopilaron 5 millones de fotos de más de 200.000 lugares almacenados en Google-Marcos-v2, así como aportaciones de fotógrafos de todo el mundo. Cada foto se identificará con una descripción de la ubicación y el autor, como el Castillo de Neuschwanstein (Castillo de Neuschwanstein), el Puente Golden Gate, Kiyomizu-dera, Burj Khalifa y la Esfinge de Giza (Gran Esfinge de Giza), Machu Picchu y muchos otros personajes famosos. atracciones. Más tarde, los investigadores de Google realizaron fotos adicionales y menos conocidas recopiladas de Wikimedia Commons, el archivo en línea de imágenes, audio y muchos otros tipos de datos multimedia de la Fundación Wikimedia.
- La inteligencia artificial OpenAI derrotó al actual campeón mundial Dota 2
Entonces, ¿cuál es el principal problema que resolverá el marco de detección para recuperar? Según la explicación de Bingyi Cao y Tobias Weyand, los modelos lanzados por Google (entrenados a partir de un subconjunto de las 80.000 fotos tomadas del primer conjunto de datos de Google-Marcos) pueden aprovechar los campos de género. cuadros delimitadores de un modelo de detección de objetos para “agregar peso” a las áreas de la imagen que contienen elementos interesantes, lo que mejora enormemente la precisión.
Además, Landmark Recognition 2019 (donde los equipos participantes son responsables de diseñar modelos de IA para ayudar a identificar hitos) y Landmark Retriny 2019 (los equipos participantes utilizan el sistema de IA para encontrar la imagen correcta en una ubicación designada) ha comenzado registrarse para participar hoy. Ambos concursos incluirán premios en efectivo por valor de 50.000 dólares y, al mismo tiempo, los equipos ganadores serán invitados por Google a participar en conferencias de Visión por Computadora e Identificación de Modelos (Conferencia de Visión por Computadora y Reconocimiento de Patrones). ) celebrada en Long Beach, California, a finales de este año, para proporcionar detalles sobre el método que implementaron.