Facebook自我監督的計算機視覺模型承諾對象識別突破

2021-03-08

Facebook宣布開發一種新的計算機視覺模型，名為Seer（自我監督）。 SEER已在10億個公共（非歐盟）Instagram圖像上進行了預先培訓，並且能夠在數據零件之間進行推斷，這與大多數從預先標記的數據集中學習的簡歷模型不同，冒險節拍。

“與其他研究領域一樣，自我監督的學習對計算機視覺的未來有著不可思議的影響。消除對人類註釋的需求，使計算機視覺社區能夠與更大，更多樣化的數據集一起工作，從隨機的公眾圖像中學習，並可能減輕一些偏見，從而使圖像有限地進行構建。像醫學成像一樣，沒有任何勞動來進行標籤，可以更快地創建和部署模型，從而更快，更準確地回應快速發展的情況Facebook在博客文章中寫道。

據信，自學是遠離機器學習和人類水平智能的關鍵。它可以改善語音和對象識別以及其他AI應用。一系列與數據集收集和註釋還困擾著生物識別的開發，特別是在面部識別方面。

Instagram的服務條款允許公司使用幾乎任何方式上傳到它的數據，但是OneZero注意，避免歐洲用戶的圖像可能是試圖避免GDPR掉下來的。

圖像不像單詞那樣結合語義概念，因此設計一個能夠做出這些推論的模型需要Facebook研究人員使用卷積網絡（Convnet），該網絡足夠大，可以從圖像中學習所有視覺概念。由於數據集不使用標籤，因此Facebook計劃每90天自動使用新圖像自動填充它。

Seer的開發包括使用幾個建築組成部分；一種稱為SWAV的超快速算法以及Regnets（Convnet）；能夠在不損害運行時間或準確性的情況下擴展數十億個參數。根據Facebook的說法，該模型的表現優於最先進的最先進的自我監督系統。

Facebook軟件工程師Priya Goyal說，Instagram的數據政策中說明了使用個人的Instagram圖片進行研究，因此人們沒有機會選擇退出此數據使用。但是，Goyal提到Facebook不打算由於潛在的偏見而共享圖像或Seer模型本身，進一步介紹了研究論文。

Facebook涉及有關多項訴訟收集和使用個人的生物識別數據，據稱是未能通知用戶收集數據並獲得明確的同意。