מנוע עיבוד נתונים חדש הופך רשתות עצביות עמוקות לחכמות יותר

"נורמליזציה של תכונות היא מרכיב חשוב באימון רשתות עצביות עמוקות, ותשומת לב

פונקציות חשובות לא פחות כדי לעזוררשתות כדי להדגיש אילו תכונות שחולצו מנתונים גולמיים חשובות ביותר להשלמת משימות", מסביר טיאנפו וו, עוזר פרופסור להנדסת חשמל ומחשבים ב-NC State. "אבל בעיקר הם עובדו בנפרד. גילינו שהשילוב ביניהם הפך אותם ליעילים ואפקטיביים יותר".

כדי לבדוק את מודול ה- AN שלך,החוקרים חיברו אותו לארבע ארכיטקטורות הרשת העצבית הנפוצות ביותר: ResNets, DenseNets, MobileNetsV2 ו- AOGNets. לאחר מכן הם בדקו את הרשתות כנגד שני מדדים סטנדרטיים בתעשייה: בדיקת סיווג ImageNet-1000 וגילוי אובייקטים ופילוח מופע 2017 מבחן MS-COCO.

"מצאנו ביצועים משופרים של ANלכל ארבעת הארכיטקטורות בשני המבחנים, "אמר וו. "לדוגמא, דיוק ה- Top-1 ב- ImageNet-1000 השתפר ב-0.5-2.7%. הדיוק הממוצע (AP) עלה ל -1.8% עבור תיבת התוחם ו -2.2% עבור המסכה הסמנטית ב- MS-COCO. יתרון נוסף של AN הוא בכך שהוא מאפשר העברה טובה יותר של למידה בין תחומים שונים. לדוגמא, החל מסיווג תמונות ב- ImageNet ועד לגילוי אובייקטים ופילוח סמנטי ב- MS-COCO. זה מודגם על ידי שיפור הביצועים במדד ה- MS-COCO, שהושג על ידי כיוונון רשתות עצביות עמוקות שהוכשרו בעבר על ידי ImageNet ב- MS-COCO. "

"פרסמנו את קוד המקור ומקווים שה- AN שלנו יוביל לתכנון אינטגרטיבי טוב יותר עבור רשתות עצביות עמוקות", מסכמים המדענים.

קרא גם

קרחון יום הדין התגלה כמסוכן יותר ממה שחשבו המדענים. אנחנו מספרים את העיקר

שתי עדויות לחיים מחוץ לכדור הארץ הופיעו בבת אחת. אחד על ונוס, השני - אף אחד לא יודע איפה

התברר כי ירחי אורנוס דומים יותר לכוכבי לכת