Aplikacje wykrywające przedmioty, klasyfikujące obiekty czy rozpoznając twarze nie są niczym nowym. Natomiast najczęściej korzystają one z sieci neuronowych, których wadą jest powolne działanie oraz niedokładność.
Naukowcy z Google zaprezentowali właśnie nowe podeście do SI, które jest znacznie szybsze i bardziej precyzyjne. Składa się ono z trzech rzeczy: rekurencyjna sieć neuronowa, która uczy się i tworzy próbki modele, trenera, który tworzy i trenuje modele oraz silnika, który mierzy prędkość stworzonych modeli. Google przetestowało stworzone w ten sposób modele na zestawie danych otrzymanych z uczelni Stanford i Princeton oraz na bazie Common Objects in Context (COCO). Okazało się, że są one 1,5 razy szybsze niż najlepsze systemy bazujące na sieciach neuronowych. Sam koszt mocy obliczeniowej jest 35 krotnie niższy w porównaniu do benchmarka SSD300.
Badania prowadzone są offline i cały czas są rozwijane. Wiele firm pracuje nad udoskonaleniem SI do rozpoznawania przedmiotów ale możliwe, że właśnie Google ich znacznie wyprzedziło.
Źródło: https://venturebeat.com/
