Projetar sistemas de IA que sejam capazes de reconhecer com precisão as características de cada lugar do mundo em nível individual (ou seja, ser capaz de distinguir claramente entre lugares da mesma categoria, por exemplo, Cataratas do Niágara com qualquer outra cachoeira) e recuperação de imagens (objetos em imagens com outras versões desse objeto em cada categoria) estão entre os objetivos de longa data do departamento de pesquisa intelectual. A inteligência artificial do Google é de particular interesse. No ano passado, a empresa lançou o Google-Landmarks, um pacote de dados relacionados aos marcos da Terra que o Google afirmou ser o maior do mundo na época, e também organizou 2 competições (Landmark Recognition 2018 e Landmark Retriny 2018), atraindo a participação de mais de 500 pesquisadores líderes em aprendizado de máquina e inteligência artificial no mundo.

Após o sucesso do ano passado, ontem, 5 de maio, o Google lançou oficialmente o data warehouse de treinamento de IA Google-Landmarks-v2 com código-fonte aberto, como um passo importante no plano para desenvolver com sucesso novas tecnologias. Os modelos de visão computacional podem reconhecer pontos de referência em todo o mundo mais de forma rápida, precisa e sofisticada. Este data warehouse Google-Landmarks-v2 é muito maior em escala do que a versão anterior, possuindo até 5 milhões de fotos (o dobro da versão anterior) de 200.000 pontos de referência (7 vezes mais que a versão anterior) em todo o mundo. Ao redor do mundo.
Além disso, o Google não se esqueceu de lançar dois novos “desafios” este ano, Landmark Recognition 2019 e Landmark Retriny 2019, na comunidade de aprendizado de máquina Kaggle, e ao mesmo tempo lançou o código-fonte e o modelo para Detect-to-Retrieve, uma estrutura ajuda a restaurar imagens por região de forma mais eficaz.
“Tanto o reconhecimento de imagem quanto os métodos de recuperação geralmente exigirão conjuntos de dados de treinamento maiores em termos de número de imagens e diversidade de pontos de referência para treinar melhor o sistema e também para torná-lo mais forte. Esperamos que este conjunto de dados ajude a melhorar mais profundamente os recursos de reconhecimento e recuperação de imagens dos modelos modernos de IA”, disseram dois engenheiros de software da equipe de IA do Google, Bingyi Cao e Tobias. Weyand compartilhou.
Além disso, de acordo com estes dois especialistas, 5 milhões de fotos de mais de 200.000 pontos de referência armazenados no Google-Landmarks-v2 são coletadas e contribuídas por fotógrafos de todo o mundo. Cada foto será rotulada com uma descrição específica do local e do autor, por exemplo Castelo Neuschwanstein, Ponte Golden Gate, Kiyomizu-dera, Burj Khalifa, Esfinge de Gizé (Grande Esfinge de Gizé), Machu Picchu e muitas outras atrações famosas. Os pesquisadores do Google então adicionaram fotos históricas e pouco conhecidas coletadas do Wikimedia Commons, o arquivo on-line de imagens, sons e outros tipos de dados de mídia da Fundação Wikimedia.
Então, qual é o principal problema que a estrutura Detect-to-Retrieve resolve? Conforme explicado por Bingyi Cao e Tobias Weyand, os modelos lançados pelo Google (treinados em um subconjunto de 80.000 imagens do primeiro conjunto de dados Google-Landmarks) podem tirar proveito das caixas delimitadoras. Caixas delimitadoras de um modelo de detecção de objetos para “adicionar peso” às regiões da imagem contendo itens interessantes, melhorando significativamente a precisão.
Além disso, o Landmark Recognition 2019 (onde as equipes participantes têm a tarefa de projetar modelos de IA para ajudar a identificar pontos de referência) e o Landmark Retriny 2019 (as equipes participantes usam sistemas de IA para encontrar imagens para exibir com precisão um local designado) começaram a aceitar inscrições para participar a partir de hoje. Ambas as competições incluirão prêmios em dinheiro totalizando US$ 50.000 e as equipes vencedoras serão convidadas pelo Google para participar da Conferência sobre Visão Computacional e Reconhecimento de Padrões (Conference on Computer Vision and Pattern Recognition). ) realizada em Long Beach, Califórnia, ainda este ano, para mostrar os detalhes da abordagem que implementaram.

