Nvidia新技术可减少20倍AI模型训练资料量

AI11个月前发布 aixure
26 0 0
导读:Nvidia发展新的资料增强技术,可以大幅减少训练人工智能模型所需要的资料量,研究人员仅使用来自大都会艺术博物馆的一个小型资料集,就让人工智能模型能够创造出,过去可能需要数万,甚至可能超过10万训练图像,才能产生的精美图像结果,而这项研究成果可用…

Nvidia发展新的资料增强技术,可以大幅减少训练人工智能模型所需要的资料量,研究人员仅使用来自大都会艺术博物馆的一个小型资料集,就让人工智能模型能够创造出,过去可能需要数万,甚至可能超过10万训练图像,才能产生的精美图像结果,而这项研究成果可用于广泛的领域上,包括医疗保健等应用。

Nvidia将一种称为ADA(Adaptive Discriminator Augmentation)的技术,应用在生成对抗网络StyleGAN2模型上,使得训练图像的资料量,可大幅减少10到20倍,而且获得同样良好的效果。生成对抗网络(GAN)的特性之一,便是训练资料越多,模型产生的结果越好,生成对抗网络由生成器(Generator)与判别器(Discriminator)两个组件组成,生成器负责合成图像,而判别器则要识别出图像真伪,并反馈有用的参数给生成器,使得生成器之后能够产生更好的结果。

但是一旦训练资料不足,判别器便无法提供生成器足够的信息产生好结果,就像是新手教练没有够多的经验指导球员,球员也就难以精进球技一样。因此生成对抗网络通常需要5万到10万的训练图像,才能训练出高品质的模型,但问题是,在许多使用案例上,并没有足够多的样本图像可以取用,仅以数千张图像训练生成对抗网络,通常无法产生逼真的结果,而且会出现过适(Overfitting)的现象。

过去的研究也曾经以资料增强的方法,减少训练生成对抗网络所需要的资料量,但是结果并不好,因为生成对抗网络反而学习了图像旋转变形等失真情形,无法产生逼真的合成图像。而现在Nvidia所提出的ADA方法,可以适应性地应用资料增强方法,避免过适现象,而使得StyleGAN2等模型,可以使用更少的训练图像,并获得良好的结果。

研究人员将这项结果应用在过去因为训练资料太少,而难以实现的使用案例上,像是艺术家便使用StyleGAN进行创作,产生出各种精美绘画,或是以传奇插画家Osamu Tezuka的风格,搭建新的漫画,Adobe也应用该项技术,提供新的人工智能工具Neural Filters。

研究人员也提到,该项技术还有望应用在医疗保健领域,因为罕见疾病的医学图像很少,而且每个案例差异度很大,要大量收集有用的病理切片资料集很困难,而使用ADA技术的生成对抗网络,则可改善这样的问题。

赞助本站

© 版权声明

相关文章

暂无评论

暂无评论...