Microsoft Research a excellé dans plusieurs catégories lors du sixième concours annuel de reconnaissance d'image ImageNet. Elle a réussi à dépasser les systèmes concurrents de Google, Intel, Qualcomm et Tencent, ainsi que de plusieurs startups et laboratoires de recherche ( résultats ).Le système de champion s'appelle "Deep Residual Learning for Image Recognition", et un article décrivant les principes techniques de son travail a été publié dans le domaine public en libre accès .«Nous avons formé un réseau neuronal avec une profondeur de plus de 150 couches», décrivent les chercheurs. - Dans le même temps, un cadre d'apprentissage résiduel profond a été utilisé, ce qui facilite l'optimisation et la convergence de réseaux neuronaux extrêmement profonds. La méthode d'apprentissage résiduel profond vous permet d'obtenir une précision supplémentaire lorsque les réseaux de neurones sont beaucoup plus profonds que ceux utilisés précédemment. Cet avantage de précision n'est pas observé dans de nombreux réseaux de neurones conventionnels lorsqu'ils sont approfondis. »Dans l'illustration, un réseau neuronal avec apprentissage résiduel est indiqué dans la colonne de droite.
. . Microsoft . API «» (
Project Oxford), - .
ImageNet, 100 000 Flickr ,
(, , ..).
Le développement de Microsoft a montré un taux d'erreur de classification de seulement 3,5% et des erreurs de localisation - 9%.Les années précédentes, les gagnants du concours en termes de classement des objets étaient Google, la startup Clarifai et NEC."Nous n'avons même pas suggéré que cette idée seule [apprentissage résiduel profond] pourrait être si importante", a déclaré Jian Sun, l'un des auteurs du programme, sur le blog officiel .