« La normalisation des fonctionnalités est un élément important de la formation des réseaux neuronaux profonds, et l'attention portée à
Pour tester votre module AN,les chercheurs l'ont connecté aux quatre architectures de réseau neuronal les plus utilisées: ResNets, DenseNets, MobileNetsV2 et AOGNets. Ils ont ensuite testé les réseaux par rapport à deux mesures standard de l'industrie: le test de classification ImageNet-1000 et la détection d'objets et la segmentation d'instances 2017 test MS-COCO.
«Nous avons constaté qu'une amélioration des performancespour les quatre architectures dans les deux tests », a déclaré Wu. «Par exemple, la précision Top-1 dans ImageNet-1000 s'est améliorée de 0,5 à 2,7%. La précision moyenne (AP) a augmenté à 1,8% pour la boîte englobante et 2,2% pour le masque sémantique dans MS-COCO. Un autre avantage de l'AN est qu'il facilite un meilleur transfert des apprentissages entre différents domaines. Par exemple, de la classification d'images dans ImageNet à la détection d'objets et à la segmentation sémantique dans MS-COCO. Ceci est illustré par l'amélioration des performances du benchmark MS-COCO, qui a été obtenue en affinant les réseaux de neurones profonds précédemment formés par ImageNet à MS-COCO. "
«Nous avons publié le code source et espérons que notre AN conduira à une meilleure conception intégrative des réseaux de neurones profonds», concluent les scientifiques.
Lisez aussi
Le glacier Doomsday s'est avéré plus dangereux que les scientifiques ne le pensaient. Nous disons l'essentiel
Deux éléments de preuve de la vie extraterrestre ont émergé à la fois. L'un sur Vénus, l'autre - personne ne sait où
Il s'est avéré que les lunes d'Uranus ressemblent plus à des planètes