Hi-tech

Google запускает новый проект (CATS4ML) для лучшего распознавания объектов

Google запустил испытание “Наборы неблагоприятных тестов для краудсорсинга для машинного обучения” (CATS4ML). От участников требуется использовать инновационные методы для поиска примеров неизвестных неизвестных в моделях машинного обучения. Вскоре, когда эта технология станет более зрелой, технология распознавания объектов Google будет работать лучше.

CATS4ML сможет бросить вызов способности машинного обучения в задачах распознавания объектов. Набор тестов содержит множество примеров, с которыми сложно справиться с помощью алгоритмов. И это обнаружит, что машинное обучение имеет высокую степень уверенности, но ошибки классификации. Цель CATS4ML – предоставить разработчикам набор данных для изучения слабых мест алгоритма, а также позволить исследователям лучше создавать наборы данных для эталонных тестов и делать наборы данных более сбалансированными и разнообразными.
Как работает CATS4ML?

Google упомянул, что эффективность модели машинного обучения зависит от алгоритма и данных обучения и оценки. Хотя в прошлом исследователи много сделали для улучшения алгоритма и обучающих данных, данные и задачи, используемые для конкретной оценки модели, встречаются нечасто. Существующие наборы данных оценки слишком просты, и идентификация не подвержена расхождениям. При отсутствии неоднозначных примеров эффективность модели машинного обучения невозможно по-настоящему проверить, и модель может иметь слабые места.

Так называемая слабость – это ситуация, когда модель трудно точно оценить классификацию примеров, потому что в наборе оценочных данных такие примеры отсутствуют. Есть две слабые стороны. Они делятся на известные неизвестные и неизвестные неизвестные. Так называемые известные неизвестные относятся к примерам, в которых модель не может определить правильность классификации. Например, невозможно определить, является ли объект на фото кошкой или нет.

Добавьте «SRNSK News» в источники
Яндекс новостиGooglenews