谷歌發表龐大的AI訓練資料倉儲，包含全球20萬個地標的超過500萬張照片

設計能夠在個體層面準確識別世界上每個地方的特徵（即能夠清楚地區分同一類別的地方，例如尼亞加拉瀑布與任何其他瀑布）和圖像檢索（圖像中的對象）的人工智能係統以及每個類別中該物件的其他版本）是智力研究部門的長期目標之一。Google的人工智慧尤其令人感興趣。去年，該公司發布了 Google-Landmarks，這是谷歌聲稱當時全球最大的地球地標相關數據包，並且還組織了 2 場競賽（Landmark Recognition 2018 和 Landmark Retriny 2018），吸引了超過全球500 名領先的機器學習和人工智慧研究人員。

• 利用人工智慧模型提高憂鬱症評估的有效性

繼去年的成功之後，昨天5月5日，Google正式發布了開源程式碼的Google-Landmarks-v2人工智慧訓練資料倉儲，作為成功開發新技術計畫的重要一步。電腦視覺模型可以更多地識別世界各地的地標。快速、準確、複雜。這個Google-Landmarks-v2資料倉儲的規模比之前的版本大得多，擁有全球20萬個地標（是之前版本的7倍）的多達500萬張照片（是之前版本的兩倍）。世界各地。

此外，Google 今年還不忘在 Kaggle 機器學習社群中發起兩項新的「挑戰」Landmark Recognition 2019 和 Landmark Retriny 2019，同時發布了 Detect-to-Retrieve 的源代碼和模型，框架有助於更有效地按區域恢復影像。

• 人工智慧利用推文幫助研究人員分析洪水情況

「影像辨識和檢索方法通常需要更大的影像數量和地標多樣性的訓練資料集，以便更好地訓練系統並變得更強。我們希望這個資料集能夠幫助更徹底地提高現代AI模型的影像辨識和檢索能力。」GoogleAI團隊的兩位軟體工程師Bingyi Cao和Tobias Weyand分享道。

此外，根據兩位專家介紹，Google-Landmarks-v2 中儲存的超過 20 萬個地標的 500 萬張照片是由世界各地的攝影師收集和貢獻的。每張照片都會標註具體的拍攝地點和作者，例如新天鵝堡、金門大橋、清水寺、哈利法塔、吉薩獅身人面像、馬丘比丘等許多著名景點。然後，Google研究人員添加了從維基共享資源（維基媒體基金會的圖像、聲音和其他類型媒體數據的線上檔案）收集的鮮為人知的歷史照片。

• 人工智慧 OpenAI 擊敗衛冕世界冠軍 Dota 2 戰隊

那麼Detect-to-Retrieve框架主要解決的問題是什麼呢？正如Bingyi Cao 和Tobias Weyand 所解釋的，Google 發布的模型（在第一個Google-Landmarks 資料集中的80,000 張影像的子集上進行訓練）可以利用邊界框。物件偵測模型中的邊界框可以為影像區域「添加權重」包含有趣的項目，從而顯著提高準確性。

此外，Landmark Recognition 2019（參賽團隊的任務是設計人工智慧模型來幫助識別地標）和Landmark Retriny 2019（參賽團隊使用人工智慧系統尋找圖像以準確顯示指定地點）已從今天開始接受報名參加。兩場競賽都將包括總計 50,000 美元的現金獎勵，獲勝團隊將受 Google 邀請參加今年稍後在加州長灘舉行的電腦視覺和模式識別會議（Conference on Computer Vision and Pattern Recognition），展示他們所實施的方法的細節。