Google, 전 세계 20만 개 랜드마크의 500만 개 이상의 사진이 포함된 거대한 AI 훈련 데이터 웨어하우스 출시

세계 각 장소의 특성을 개별 수준에서 정확하게 인식(예: 동일한 카테고리에 있는 장소(예: 나이아가라 폭포와 다른 폭포)를 명확하게 구분할 수 있음) 및 이미지 검색(이미지의 개체)이 가능한 AI 시스템 설계 각 카테고리에 있는 해당 개체의 다른 버전과 함께)은 지적 연구 부서의 오랜 목표 중 하나입니다. Google의 인공 지능이 특히 관심을 끌고 있습니다. 지난해에는 구글이 당시 세계 최대 규모라고 주장한 지구의 랜드마크 관련 데이터 패키지인 구글 랜드마크(Google-Landmarks)를 출시했으며, 2개의 대회(Landmark Recognition 2018, Landmark Retriny 2018)도 개최해 2018년 10만 명 이상의 참여를 이끌어냈다. 세계 최고의 기계 학습 및 인공 지능 연구자 500명.

• AI 모델을 통해 우울증 평가의 효율성 향상

작년의 성공에 이어 어제 5월 5일, Google은 새로운 기술을 성공적으로 개발하기 위한 계획의 중요한 단계로 오픈 소스 코드가 포함된 Google-Landmarks-v2 AI 교육 데이터 웨어하우스를 공식 출시했습니다. 컴퓨터 비전 모델은 전 세계 랜드마크를 더 잘 인식할 수 있습니다. 빠르고 정확하고 정교하게. 이 Google-Landmarks-v2 데이터 웨어하우스는 이전 버전보다 규모가 훨씬 커졌으며 전 세계 랜드마크 20만 개(이전 버전의 7배), 최대 500만 장(이전 버전의 2배) 사진을 보유하고 있습니다. 세계 각국.

또한 Google은 올해 Kaggle 기계 학습 커뮤니티에서 Landmark Recognition 2019 및 Landmark Retriny 2019라는 두 가지 새로운 "챌린지"를 출시하는 것을 잊지 않았으며 동시에 Detect-to-Retrieve의 소스 코드와 모델을 공개했습니다. 프레임워크를 사용하면 지역별로 이미지를 보다 효과적으로 복원할 수 있습니다.

• AI는 트윗을 사용하여 연구자들이 홍수 상황을 분석하도록 돕습니다.

“이미지 인식과 검색 방법 모두 일반적으로 시스템을 더 잘 훈련하고 더 강해지려면 이미지 수와 랜드마크의 다양성 측면에서 더 큰 훈련 데이터 세트가 필요합니다. 우리는 이 데이터 세트가 최신 AI 모델의 이미지 인식 및 검색 기능을 더욱 철저하게 향상시키는 데 도움이 되기를 바랍니다.”라고 Google AI 팀의 두 소프트웨어 엔지니어인 Bingyi Cao와 Tobias가 말했습니다. Weyand는 공유했습니다.

또한 이 두 전문가에 따르면 Google-Landmarks-v2에 저장된 20만 개가 넘는 랜드마크의 사진 500만 장은 전 세계 사진가로부터 수집되어 제공됩니다. 각 사진에는 노이슈반슈타인 성, 금문교, 기요미즈데라, 부르즈 칼리파, 기자 스핑크스(기자의 대스핑크스), 마추픽추 및 기타 여러 유명 명소와 같은 위치와 작성자에 대한 구체적인 설명이 라벨로 지정됩니다. 그런 다음 Google 연구자들은 이미지, 사운드 등의 온라인 아카이브인 Wikimedia Commons, 기타 유형의 미디어 데이터에서 수집한 잘 알려지지 않은 역사적 사진을 추가했습니다.

• 인공 지능 OpenAI가 현재 세계 챔피언인 Dota 2 팀을 이겼습니다.

그렇다면 검색-검색 프레임워크가 해결하는 주요 문제는 무엇입니까? Bingyi Cao와 Tobias Weyand가 설명했듯이 Google의 출시 모델(첫 번째 Google-Landmarks 데이터세트의 80,000개 이미지 하위 집합으로 훈련됨)은 경계 상자를 활용할 수 있습니다. 흥미로운 항목이 포함되어 있어 정확도가 크게 향상됩니다.

이 밖에도 랜드마크 인식 2019(참가팀이 랜드마크 식별에 도움이 되는 AI 모델 설계 작업)와 랜드마크 레트리니 2019(참가팀이 AI 시스템을 사용해 이미지를 찾아 지정된 장소를 정확하게 표시하는 것)도 오늘부터 참가 등록을 받기 시작했다. 두 대회 모두 총 50,000달러의 상금이 수여되며, 우승팀은 Google의 초대를 받아 올해 말 캘리포니아주 롱비치에서 열리는 컴퓨터 비전 및 패턴 인식 컨퍼런스(Conference on Computer Vision and Pattern Recognition)에 참석하여 이를 선보일 예정입니다. 그들이 구현한 접근 방식의 세부 사항.