"การทําให้ลักษณะเป็นปกติเป็นองค์ประกอบสําคัญของการฝึกโครงข่ายประสาทเทียมแบบลึก และมุ่งเน้นที่
ในการทดสอบโมดูล AN ของคุณนักวิจัยได้เชื่อมต่อกับสถาปัตยกรรมเครือข่ายประสาทเทียมที่ใช้กันอย่างแพร่หลายสี่ประการ ได้แก่ ResNets, DenseNets, MobileNetsV2 และ AOGNets จากนั้นพวกเขาทดสอบเครือข่ายกับเมตริกอุตสาหกรรมสองมาตรฐาน ได้แก่ การทดสอบการจำแนก ImageNet-1000 และการตรวจจับวัตถุและการทดสอบ MS-COCO ในปี 2560
“ เราพบว่ามีประสิทธิภาพที่ดีขึ้นสำหรับสถาปัตยกรรมทั้งสี่แบบในการทดสอบทั้งสองแบบ” Wu กล่าว “ ตัวอย่างเช่นความแม่นยำอันดับ 1 ใน ImageNet-1000 เพิ่มขึ้น 0.5-2.7% ความแม่นยำเฉลี่ยความแม่นยำ (AP) เพิ่มขึ้นเป็น 1.8% สำหรับกล่องขอบเขตและ 2.2% สำหรับมาสก์ความหมายใน MS-COCO ข้อดีอีกประการหนึ่งของ AN คืออำนวยความสะดวกในการถ่ายโอนการเรียนรู้ระหว่างโดเมนต่างๆได้ดีขึ้น ตัวอย่างเช่นจากการจัดประเภทรูปภาพใน ImageNet ไปจนถึงการตรวจจับวัตถุและการแบ่งส่วนความหมายใน MS-COCO สิ่งนี้แสดงให้เห็นโดยการปรับปรุงประสิทธิภาพในเกณฑ์มาตรฐาน MS-COCO ซึ่งได้รับจากการปรับแต่งเครือข่ายประสาทเทียมระดับลึกที่ได้รับการฝึกฝนมาก่อนหน้านี้โดย ImageNet ที่ MS-COCO "
“ เราได้เปิดตัวซอร์สโค้ดและหวังว่า AN ของเราจะนำไปสู่การออกแบบเชิงบูรณาการของโครงข่ายประสาทเทียมที่ดีขึ้น” นักวิทยาศาสตร์สรุป
อ่านยัง
ธารน้ำแข็ง Doomsday กลายเป็นอันตรายมากกว่าที่นักวิทยาศาสตร์คิด เราบอกสิ่งสำคัญ
หลักฐานสองชิ้นของสิ่งมีชีวิตนอกโลกปรากฏขึ้นพร้อมกัน หนึ่งบนดาวศุกร์อีกดวงไม่มีใครรู้ว่าอยู่ที่ไหน
ปรากฎว่าดวงจันทร์ของดาวยูเรนัสมีลักษณะคล้ายดาวเคราะห์มากกว่า