Microsoft Research unggul dalam beberapa kategori pada Kompetisi Pengenalan Gambar ImageNet tahunan yang keenam. Dia berhasil melampaui sistem kompetitif dari Google, Intel, Qualcomm dan Tencent, serta dari sejumlah startup dan laboratorium penelitian ( hasil ).Sistem juara disebut "Pembelajaran Residual Dalam untuk Pengenalan Gambar", dan sebuah artikel yang menggambarkan prinsip-prinsip teknis dari karyanya telah diterbitkan dalam domain publik untuk akses gratis .“Kami melatih jaringan saraf dengan kedalaman lebih dari 150 lapisan,” para peneliti menjelaskan metode ini. - Pada saat yang sama, kerangka pembelajaran residual yang mendalam digunakan, yang memfasilitasi optimalisasi dan konvergensi jaringan saraf yang sangat dalam. Metode deep residual learning memungkinkan Anda untuk mendapatkan akurasi tambahan ketika jaringan saraf jauh lebih dalam daripada yang digunakan sebelumnya. Keuntungan dalam akurasi ini tidak diamati di banyak jaringan saraf konvensional ketika mereka diperdalam. "Dalam ilustrasi, jaringan saraf dengan pembelajaran residual ditunjukkan pada kolom kanan.
. . Microsoft . API «» (
Project Oxford), - .
ImageNet, 100 000 Flickr ,
(, , ..).
Perkembangan Microsoft menunjukkan tingkat kesalahan klasifikasi hanya 3,5%, dan kesalahan lokalisasi - 9%.Pada tahun-tahun sebelumnya, pemenang kompetisi dalam hal klasifikasi objek adalah Google, startup Clarifai dan NEC."Kami bahkan tidak menyarankan bahwa ide ini saja [pembelajaran residual yang mendalam] bisa sangat penting," kata Jian Sun, salah satu penulis program, di blog resmi .