NVIDIA Research AI可以用更少的训练数据学习新事物
如今，人工智能和机器学习已经成为技术甚至主流新闻的热门话题，但大多数人认为这些计算机在幕后做的事情是理所当然的。他们惊人的壮举需要以只有计算机才有的速度浏览成千上万的相关数据。反过来，这意味着AI需要学习成千上万的数据，但情况并非总是如此。NVIDIA的研究部门现在在其入侵对抗网络或GAN中有一个里程碑，它使AI即使在呈现非常小的数据集时也能学习。
GAN AI模型虽然名字叫“对抗”，但实际上使用的是两个合作网络。例如，生成器创建图像，鉴别器将它们与参考图像进行比较，以评估它们是否匹配样式、对象或内容。因此，鉴别器通常会馈送50，000到100，000范围内的训练图像，因为如果训练图像不多，则会创建一个鉴别器，它只会记住引用，但无法区分合成图像。
这种现象称为过拟合，可以通过所谓的数据增强部分解决。该方法仅涉及随机旋转、调整大小、裁剪或翻转图像以扩展参考量。然而，这将创建一个生成器，它将学习模仿变形的图像，而不是学习如何正确地合成风格和主题。
NVIDIA Research的自适应数据增强或ADA试图通过在不同的数据点之间分配数据增强来解决这两个问题。研究人员声称，这使他们能够创建一个新的StyleGAN2模型，该模型可以用比传统GAN所需的训练数据小10到20倍的训练数据集来学习艺术风格。
NVIDIA Research新AI的应用不仅限于合成滤镜的艺术风格，Adobe最有可能对增强Photoshop的神经滤镜感兴趣，Photoshop已经基于第一代StyleGAN。当扫描或样本太小，无法像新的疾病或紊乱一样有效时，人工智能也将能够从医学图像中学习。
郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。
标签:显卡NVIDIA。
标签：