Google rilascia un enorme data warehouse di formazione sullintelligenza artificiale con oltre 5 milioni di foto di 200.000 punti di riferimento in tutto il mondo

Progettare sistemi di intelligenza artificiale in grado di riconoscere accuratamente le caratteristiche di ogni luogo nel mondo a livello individuale (ovvero essere in grado di distinguere chiaramente tra luoghi nella stessa categoria, ad esempio le cascate del Niagara con qualsiasi altra cascata) e di recupero di immagini (oggetti nelle immagini con altre versioni di quell'oggetto in ciascuna categoria) sono tra gli obiettivi di lunga data del dipartimento di ricerca intellettuale. L'intelligenza artificiale di Google è di particolare interesse. L'anno scorso, la società ha pubblicato Google-Landmarks, un pacchetto di dati relativo ai punti di riferimento della Terra che secondo Google erano all'epoca i più grandi del mondo, e ha anche organizzato 2 concorsi (Landmark Recognition 2018 e Landmark Retriny 2018), attirando la partecipazione di più di 500 ricercatori leader nel machine learning e nell'intelligenza artificiale nel mondo.

• Migliorare l’efficacia della valutazione della depressione con i modelli di intelligenza artificiale

Dopo il successo dello scorso anno, ieri 5 maggio Google ha rilasciato ufficialmente il data warehouse per l'addestramento all'intelligenza artificiale Google-Landmarks-v2 con codice open source, come passo importante nel piano per sviluppare con successo nuove tecnologie.I modelli di visione artificiale possono riconoscere i punti di riferimento in tutto il mondo. in modo rapido, accurato e sofisticato. Questo data warehouse di Google-Landmarks-v2 è molto più grande in termini di dimensioni rispetto alla versione precedente e possiede fino a 5 milioni di foto (il doppio della versione precedente) di 200.000 punti di riferimento (7 volte di più della versione precedente) in tutto il mondo. Intorno al mondo.

Inoltre, Google non ha dimenticato di lanciare quest'anno due nuove "sfide", Landmark Recognition 2019 e Landmark Retriny 2019, sulla comunità di machine learning di Kaggle, e allo stesso tempo ha rilasciato il codice sorgente e il modello per Detect-to-Retrieve, una struttura aiuta a ripristinare le immagini per regione in modo più efficace.

• L’intelligenza artificiale utilizza i tweet per aiutare i ricercatori ad analizzare le situazioni di inondazione

“Sia i metodi di riconoscimento che quelli di recupero delle immagini richiederanno generalmente set di dati di addestramento più grandi in termini sia di numero di immagini che di diversità di punti di riferimento per addestrare meglio il sistema e renderlo più forte. Ci auguriamo che questo set di dati contribuisca a migliorare in modo più approfondito le capacità di riconoscimento e recupero delle immagini dei moderni modelli di intelligenza artificiale", hanno affermato Weyand, due ingegneri software del team AI di Google, Bingyi Cao e Tobias.

Inoltre, secondo questi due esperti, 5 milioni di foto di oltre 200.000 punti di riferimento archiviati in Google-Landmarks-v2 vengono raccolte e fornite da fotografi di tutto il mondo. Ogni foto sarà etichettata con una descrizione specifica del luogo e dell'autore, ad esempio il Castello di Neuschwanstein, il Golden Gate Bridge, Kiyomizu-dera, Burj Khalifa, Giza Sphinx (Grande Sfinge di Giza), Machu Picchu e molte altre famose attrazioni. I ricercatori di Google hanno poi aggiunto foto storiche e poco conosciute raccolte da Wikimedia Commons, l'archivio online di immagini, suoni e altro della Wikimedia Foundation, e altri tipi di dati multimediali.

• L'intelligenza artificiale OpenAI ha sconfitto la squadra campione del mondo in carica di Dota 2

Allora qual è il problema principale risolto dal framework Detect-to-Retrieve? Come spiegato da Bingyi Cao e Tobias Weyand, i modelli rilasciati da Google (addestrati su un sottoinsieme di 80.000 immagini dal primo set di dati di Google-Landmarks) possono sfruttare i riquadri di delimitazione di un modello di rilevamento di oggetti per "aggiungere peso" alle regioni dell'immagine contenente elementi interessanti, migliorando così significativamente la precisione.

Inoltre, Landmark Recognition 2019 (dove i team partecipanti hanno il compito di progettare modelli di intelligenza artificiale per aiutare a identificare i punti di riferimento) e Landmark Retriny 2019 (i team partecipanti utilizzano sistemi di intelligenza artificiale per trovare immagini per visualizzare accuratamente un luogo designato) hanno iniziato ad accettare le registrazioni per partecipare da oggi. Entrambi i concorsi includeranno premi in denaro per un totale di $ 50.000 e i team vincitori saranno invitati da Google a partecipare alla Conferenza sulla visione artificiale e il riconoscimento dei modelli (Conference on Computer Vision and Pattern Recognition) che si terrà a Long Beach, in California, alla fine di quest'anno, per presentare i dettagli dell’approccio che hanno implementato.