Vor einigen Monaten hat Google sein AutoML-Projekt vorgestellt, ein Ansatz, der das Design von maschinellen Lernmodellen automatisiert. Google kündigte in einem Blogeintrag den nächsten Schritt in dessen Entwicklung an. Das System konnte einen Algorithmus für die Einordnung von anspruchsvollen Datensätzen wie ImageNet und Coco-Objekterkennung selbstständig erstellen.
Was ist ImageNet?
ImageNet ist eine Datenbank von Bildern, welche für Forschungsprojekte eingesetzt wird. Jedes Bild wird einem Substantiv zugeordnet. Die Substantive sind durch das WordNet-Projekt hierarchisch angeordnet. Zu jedem Substantiv gibt es im Schnitt mehr als 500 Bilder.
ImageNet wird seit der Veröffentlichung, welche 2009 auf der IEEE Conference on Computer Vision and Pattern Recognition stattfand, zum Trainieren von Convolutional Neural Networks verwendet.
Ein Convolutional Neural Network ist ein künstliches neuronales Netz. Es handelt sich um ein von biologischen Prozessen inspiriertes Konzept im Bereich des maschinellen Lernens. Convolutional Neural Networks finden Anwendung in zahlreichen modernen Technologien der künstlichen Intelligenz, vornehmlich bei der maschinellen Verarbeitung von Bild- oder Audiodaten.
Google hat AutoML nun für größere Datensätze angepasst: Zum einen sortiert AutoML den Modellbaum in einer optimierteren Weise. Zum anderen ließ Google AutoML die Architektur von Cifar-10 analysieren. Das für das Team am besten geeignete Modell wurde direkt auf die Analyse von Coco und Cifar-10 übertragen. Das daraus enstehende Machine-Learning-System nennt Google NASNet.
Google NASNet als Open-Source zur Verfügung. Das Unternehmen hofft, dass sich die Machine-Learning-Community dies zu Nutze macht und eigene Modelle auf Basis von NASNet entwickelt.
Links
https://github.com/tensorflow/models/tree/master/research/slim/nets/nasnet
ImageNet
Coco-Objekterkennung
WordNet
Foto: NASNet erkennt zuverlässig Objekte auf Bildern. (Bild: Google)