AI|Facebook介绍可对图像和视频进行细分的自我监督学习AI_Facebook介绍可对图像和视频进行

Facebook 今日宣布了与 Inria 合作开发的 DINO 算法，特点是无需对数据进行标记，就能够对 transformers 机器学习模型进行训练。具体说来是，作为计算机视觉领域中最困难的挑战之一，其需要人工智能对图像中的内容进行理解。但 Facebook 介绍的这个新模型，能够在不指定特定目标的情况下，发现和分割图像 / 视频中的对象。

文章图片

FB DINO 系统能够以无监督的方式细分图像
传统上的细分（Segmentation）操作是在监督学习的情况下执行的，且需要投喂标注了大量注释的示例数据。
在有监督的学习中，算法会在为特定输出注释的输入数据上开展训练，直到它们可以检测到输入和输出结果之间的潜在关系为止。
但在可自我监督学习（DINO）的方案下，系统能够主动对未标记的数据进行分类和处理。
Transformers 使得 AI 模型能够选择性地专注于其输入的一部分，从而使它们能够更有效地进行推理。
而在应用于语音和自然语言处理之前，转换器就已经被用于解决计算机视觉问题、以及图像的分类和检测。
自我专注层（Self-Attention Layers）是所谓的 Vision Transformers 的核心部分，每个空间位置都通过参考其他位置来表示。
这样当查看其它距离可能较远的图像时，转换器就能对整个场景建立起丰富而高级的理解。

文章图片

通过在相同图像的不同视图上匹配模型输出， DINO 能够有效地发现目标对象和跨图像的共享特征。此外 DINO 可基于视觉属性来连接各种类型，以类似于生物分类的结构，来清楚地分辨不同动物物种。
Facebook 声称，即使不以此为目的而进行设计， DINO 也是识别图像副本的最佳工具之一。展望将来，基于 DINO 的模型，还可用于识别错误信息或版权侵犯行为。

Facebook 在博客中写道：通过在转换器上进行自我监督学习， DINO 为打造创造性的机器学习应用而提供了一个机遇，使得机器能够更深入地理解图像和视频。
目前需要人工标注的数据，已经成为了计算机视觉系统发展的一个主要瓶颈。但通过 DINO 方案，注释的效率可以更高，并将模型用于更大的任务集，且有可能扩展其可识别的概念的数量。

最后， Facebook 今天还详细介绍了一种被称作 PAWS 的新机器学习方案。与此前的半监督方案和新技术相比，该公司的半监督方法具有更好的分类准确度。
【AI|Facebook介绍可对图像和视频进行细分的自我监督学习AI】值得一提的是，其所需的训练也少了一个数量级（ 1/ 4~12），意味着 PAWS 可能也适合于没有太多标记的图像领域（比如医学分析）。