Nvidia新增强技术可以减少训练人工智能的资料量

【Nvidia新增强技术可以减少训练人工智能的资料量】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。
责任编辑：YYX
.dfma {position: relative;width: 1000px;margin: 0 auto;}.dfma a::after {position: absolute;left: 0;bottom: 0;width: 30px;line-height: 1.4;text-align: center;background-color: rgba(0, 0, 0, .5);color: #fff;font-size: 12px;content: "广告";}.dfma img {display: block;}

文章插图

Nvidia新增强技术可以减少训练人工智能的资料量

推荐阅读

股票停涨是什么意思

红木餐桌玻璃怎么放

3月24日出生的男女明星

西三环和昌湾景国际为啥停水了

女性容易怀孕的都有那些特点呢?

提成0.6怎么算

ipad如何下载万彩动画大师版

一桥一平台一体系是什么

孩子自信的教育名言

绝影和幻影哪个鞋子好

探界者和crv怎么选

容易贷学生版谁用过

美团买药为什么没有退货选项

滤泡性淋巴瘤症状表现有哪些

红细胞rbc偏高是怎么回事？

科颜氏属于什么档次

腰椎间盘突出症怎么治呢？

慢性咽炎可以吃龙眼吗

汗蒸多久一次好

闲鱼引流小技巧有哪些