새로운 데이터 처리 엔진은 심층 신경망을 더 스마트하게 만듭니다.

“특징 정규화는 심층 신경망을 훈련하는 데 중요한 요소이며,

기능도 도움을 주는 데 똑같이 중요합니다.작업을 완료하는 데 가장 중요한 원시 데이터에서 추출된 기능을 강조하기 위해 네트워크를 사용합니다.”라고 NC State의 전기 및 컴퓨터 엔지니어링 조교수인 Tianfu Wu는 설명합니다. “그러나 대부분은 별도로 처리되었습니다. 우리는 그것들을 결합하면 더 효율적이고 효과적이라는 것을 발견했습니다.”

AN 모듈을 테스트하려면연구원들은 ResNets, DenseNets, MobileNetsV2 및 AOGNets의 가장 널리 사용되는 네 가지 신경망 아키텍처에이를 연결했습니다. 그런 다음 ImageNet-1000 분류 테스트와 객체 감지 및 인스턴스 세분화 2017 MS-COCO 테스트라는 두 가지 산업 표준 메트릭에 대해 네트워크를 테스트했습니다.

“우리는 향상된 성능을 발견했습니다.두 테스트 모두에서 네 가지 아키텍처 모두에 대해 "Wu는 말했다. “예를 들어 ImageNet-1000의 Top-1 정확도는 0.5-2.7 % 향상되었습니다. 평균 정밀도 (AP) 정확도는 MS-COCO에서 경계 상자의 경우 1.8 %, 의미 체계 마스크의 경우 2.2 %로 증가했습니다. AN의 또 다른 장점은 서로 다른 도메인 간의 학습 전달을 용이하게한다는 것입니다. 예를 들어 ImageNet의 이미지 분류에서 MS-COCO의 객체 감지 및 의미 론적 세분화에 이르기까지. 이는 이전에 MS-COCO에서 ImageNet이 훈련 한 심층 신경망을 미세 조정하여 얻은 MS-COCO 벤치 마크의 성능 향상으로 설명됩니다. "

“우리는 소스 코드를 공개했으며 AN이 심층 신경망의 더 나은 통합 설계로 이어지기를 희망합니다.”라고 과학자들은 결론을 내립니다.

읽어보기

종말의 빙하는 과학자들이 생각했던 것보다 더 위험한 것으로 밝혀졌습니다. 우리는 중요한 것을 말합니다

외계 생명체에 대한 두 가지 증거가 한꺼번에 나타났습니다. 하나는 금성에, 다른 하나는 어디에 있는지 아무도 모릅니다.

천왕성의 위성은 행성과 더 비슷하다는 것이 밝혀졌습니다.