計(jì)算器視覺(jué)新模型ObjectNet怎么樣

近日，麻省理工學(xué)院和IBM 研究人員組成的團(tuán)隊(duì)，共同創(chuàng)建了一個(gè)ObjectNet圖像識(shí)別數(shù)據(jù)集，這是一類(lèi)高性能的視覺(jué)模型，同時(shí)難倒了目前世界上最好的計(jì)算器視覺(jué)模型。

目前，全球最大的「CV 習(xí)題庫(kù)」ImageNet，由世界上頂尖的計(jì)算器視覺(jué)專(zhuān)家李飛飛參與建立，應(yīng)用于人工智能領(lǐng)域中的圖像分類(lèi)最常用來(lái)訓(xùn)練和測(cè)試的數(shù)據(jù)集。最近，對(duì)該計(jì)算器視覺(jué)模型測(cè)試，結(jié)果發(fā)現(xiàn)：在 ImageNet 測(cè)試準(zhǔn)確率高達(dá) 97% 的計(jì)算器視覺(jué)模型，在 ObjectNet 數(shù)據(jù)集上檢測(cè)的準(zhǔn)確率下降到了 50%-55%。為何測(cè)試結(jié)果會(huì)如此差距？主要原因在于，目前幾乎所有的視覺(jué)模型，在類(lèi)似于物體旋轉(zhuǎn)、背景變換、視角切換等復(fù)雜情境下，識(shí)別過(guò)程都缺乏穩(wěn)定性。換句話(huà)說(shuō)，并不是因?yàn)閿?shù)據(jù)量不夠，而是模型對(duì)類(lèi)似于旋轉(zhuǎn)、背景變換、視角切換等等的認(rèn)知缺乏穩(wěn)定性。

麻省理工學(xué)院計(jì)算器科學(xué)與人工智能實(shí)驗(yàn)室 （CSAIL） 和大腦、心智與機(jī)器中心 （CBMM） 的研究科學(xué)家 Andrei Barbu，是ObjectNet該項(xiàng)目的主持人之一。他在接受 DeepTech 專(zhuān)訪時(shí)表示以下見(jiàn)解，摘要如下：

AI人工智能借助神經(jīng)元層組成的神經(jīng)網(wǎng)絡(luò)在大量的原始數(shù)據(jù)中尋找規(guī)律，例如：透過(guò)機(jī)器學(xué)習(xí)上千張椅子的照片之后，而學(xué)會(huì)了椅子的形狀。于是，ImageNet 從Flickr等其他社交媒體網(wǎng)站上下載了接近 10 億張圖片，含有近 1500 萬(wàn)張照片的數(shù)據(jù)庫(kù)，涵蓋了22000種物品。

計(jì)算器視覺(jué)模型已經(jīng)學(xué)會(huì)了精確地識(shí)別照片中的物體，以至于有些模型在某些數(shù)據(jù)集上表現(xiàn)得比人類(lèi)還要好。但是，當(dāng)這些模型真正進(jìn)入到生活中時(shí)，它們的準(zhǔn)確率會(huì)顯著下降，這帶給自動(dòng)駕駛汽車(chē)和其他使用計(jì)算器視覺(jué)的關(guān)鍵系統(tǒng)帶來(lái)了安全隱憂(yōu)。

ObjectNet與ImageNet隨意收集的照片不同。因?yàn)椋琌bjectNet從多個(gè)視點(diǎn)在不同的背景上進(jìn)行映像，提供的照片是有特殊背景和角度的，因而產(chǎn)生數(shù)據(jù)集的大量變化。研究人員讓自由職業(yè)者為數(shù)百個(gè)隨機(jī)擺放的家具物品拍照，告訴他們從什么角度拍攝以及是擺在廚房、浴室還是客廳。因此，大多數(shù)檢測(cè)器對(duì) ObjectNet中包含的大多數(shù)圖像都識(shí)別失敗了

麻省理工學(xué)院研究科學(xué)家認(rèn)為，物體識(shí)別問(wèn)題仍然是個(gè)難題，我們需要更好、更聰明的算法。機(jī)器仍然很難理解物體是三維空間存在，物體也可以旋轉(zhuǎn)和移動(dòng)到新的環(huán)境中，目前這些概念并沒(méi)有構(gòu)建到檢測(cè)器的架構(gòu)中。

ObjectNet與Imagenet的區(qū)別為何？

Andrei Barbu認(rèn)為：

1、收集圖像的方式可以控制偏差。我們告訴人們?nèi)绾涡D(zhuǎn)物體，在什么背景中放置物體，以及在哪個(gè)角度拍照。在大多數(shù)的數(shù)據(jù)集中，圖像背景的信息會(huì)導(dǎo)致機(jī)器不自覺(jué)的「欺騙」，它們會(huì)憑借對(duì)于廚房背景的了解來(lái)預(yù)測(cè)某個(gè)東西可能是平底鍋。

2、這些照片不是從社交媒體上收集的，所以它們不是那種好看的照片，人們也不想分享。我們還確保收集來(lái)自印度、美國(guó)以及不同社會(huì)經(jīng)濟(jì)階層的圖像。我們還有損壞或破碎物體的圖像。

3、沒(méi)有訓(xùn)練集。

一般會(huì)有訓(xùn)練集及測(cè)試集，但ObjectNet沒(méi)有訓(xùn)練集。

從新的角度想象物體的三維形狀，這也是計(jì)算器視覺(jué)的未來(lái)。ObjectNet的設(shè)計(jì)就是提供了一個(gè)更可靠的工具，用來(lái)檢測(cè)你的模型是不是足夠強(qiáng)。下一個(gè)版本的 ObjectNet開(kāi)發(fā)，它對(duì)于檢測(cè)器來(lái)說(shuō)會(huì)更加困難，因帶有部分遮擋的物體對(duì)象被其他對(duì)象部分覆蓋，因而造成探測(cè)器對(duì)有遮擋的物體的識(shí)別還不夠穩(wěn)定。ObjectNet的目標(biāo)是激勵(lì)研究人員開(kāi)發(fā)出下一波革命性的技術(shù)。