"Normalisatie van kenmerken is een belangrijk element van diepe neurale netwerktraining, en de focus op
Om uw AN-module te testen,de onderzoekers hebben het aangesloten op de vier meest gebruikte neurale netwerkarchitecturen: ResNets, DenseNets, MobileNetsV2 en AOGNets. Vervolgens testten ze de netwerken aan de hand van twee industriestandaardstatistieken: ImageNet-1000-classificatietest en objectdetectie en instantiesegmentatie 2017 MS-COCO-test.
“We vonden AN verbeterde prestatiesvoor alle vier de architecturen in beide tests, ”zei Wu. “De nauwkeurigheid van de Top-1 in ImageNet-1000 is bijvoorbeeld met 0,5-2,7% verbeterd. De gemiddelde precisie (AP) -nauwkeurigheid nam toe tot 1,8% voor het selectiekader en 2,2% voor het semantische masker in MS-COCO. Een ander voordeel van AN is dat het een betere overdracht van leren tussen verschillende domeinen mogelijk maakt. Bijvoorbeeld van beeldclassificatie in ImageNet tot objectdetectie en semantische segmentatie in MS-COCO. Dit wordt geïllustreerd door de prestatieverbetering in de MS-COCO-benchmark, die werd verkregen door het verfijnen van de diepe neurale netwerken die eerder werden getraind door ImageNet bij MS-COCO. "
"We hebben de broncode vrijgegeven en hopen dat onze AN zal leiden tot een beter geïntegreerd ontwerp van diepe neurale netwerken", concluderen de wetenschappers.
Lees ook
De Doomsday-gletsjer bleek gevaarlijker te zijn dan wetenschappers dachten. We vertellen het belangrijkste
Twee bewijzen van buitenaards leven kwamen tegelijk naar voren. De ene op Venus, de andere - niemand weet waar
Het bleek dat de manen van Uranus meer op planeten lijken