热议 | 恺明大神又发新作 Rethinking ImageNet Pre-training,读过论文的你怎么看?

社长为你推荐来自 AI 研习社问答社区的精华问答。如有你也有问题,欢迎进社区提问。

话不多说,直接上题

@Mikasa 说:

如题,恺明大神又发新作 Rethinking ImageNet Pre-training

地址:https://arxiv.org/abs/1811.08883

在论文中,他们表示,如果你的数据量足够多,那么使用 ImageNet 预训练模型并不能提升准确度。

有读过论文的小伙伴吗?

来自社友的回答

▼▼▼

@从末

扔掉 ImageNet 预训练需要两个前提条件:一是有足够多的数据集;二是有足够强大的计算力。 然而目前很多领域恰恰存在数据量不足的问题,计算力也要视情况而定,恺明大神在论文中的观点在目前看来可能不具有太大的普遍性,但是可以是今后努力的方向啦~

@杨晓凡

恺明论文提出的这个问题也不是大家第一次意识到了。去年 CVPR 2017 有篇论文就隐含了类似的思路。我对照介绍一下,大家马上就明白了。 去年这篇 CVPR 论文名叫《Fine-tuning Convolutional Neural Networks for Biomedical Image Analysis: Actively and Incrementally》,来自做深度学习医学影像分析的人。这篇论文的方法是在 ImageNet 预训练模型上的精细调节模型+主动学习。为什么要这样做?用原作者的话说:“遇到两种情况的时候,这篇论文的可以非常强大的指导意义:一,一共手头有 100 个未标记样本,和仅仅够标记 10 个样本的钱,老板说,通过训练这十个标记的样本,能接近甚至达到训练 100 个样本的 performance;二,手头有了一个已经在 100 个样本中训练完的分类器,现在又来了100 个新标记的样本,老板说,只给提供够训练 10 个样本的计算机;或者只给你提供够训练 10 个样本的时间,让分类器尽快学习到新来样本的特征” 要么样本不足,要么计算资源不足,两种情况都是实际应用中常出现的状况,也是好的工程方法会极具价值的状况。所以为什么 ImageNet 预训练的做法会这么流行,就是因为在实践中遇到这样的限制时有事半功倍的效果。以至于 NLP 任务上也开始流行这种做法。 流行以后我们就要回过头来看了,要对这种做法做理论性的、全面的辨析。毋庸置疑的是样本不足、资源不足的时候这种方法效果很好,那么样本和资源都很多的时候,我们还需要这样做吗?何恺明就在这篇论文中给出了答案。具体如何大家也都心里有数。 前面提到的那篇 CVPR 2017 论文,作者自己写的介绍博客可见: https://www.leiphone.com/news/201707/mTyG0mVjpVag5mmn.html

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2018-11-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

学界 | Ian Goodfellow最新论文:是猫还是狗?不光神经网络识别不了,你也能被忽悠

2454
来自专栏机器学习算法与Python学习

干货 | 从入门到放弃:21种机器学习算法详解,附多种下载方式

关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 下面是各模型在博客中的详细解说,为方...

5189
来自专栏机器之心

业界 | 谷歌发布TensorFlow 1.4与TensorFlow Lattice:利用先验知识提升模型准确度

2816
来自专栏AI研习社

话题 | 恺明大神又发新作 Rethinking ImageNet Pre-training,读过论文的你怎么看?

社长为你推荐来自 AI 研习社问答社区的精华问答。如有你也有问题,欢迎进社区提问。

992
来自专栏人工智能头条

计算机视觉中,目前有哪些经典的目标跟踪算法?

8356
来自专栏专知

对抗样本再下一城,攻陷目标检测!自动驾驶或受攻击?UIUC学者构建欺骗检测器的对抗样本!

【导读】近日,针对深度学习系统的对抗样本攻击问题,来自伊利诺伊大学香槟分校(UIUC)的学者在 arXiv 上发表论文提出对于神经网络图像目标检测(Object...

7055
来自专栏人工智能LeadAI

Active Learning: 一个降低深度学习时间,空间,经济成本的解决方案

? 下面要介绍的工作发表于CVPR2017(http://cvpr2017.thecvf.com/),题为“Fine-tuning Convolution...

4764
来自专栏AI研习社

深度学习训练数据不平衡问题,怎么解决?

当我们解决任何机器学习问题时,我们面临的最大问题之一是训练数据不平衡。不平衡数据的问题在于学术界对于相同的定义、含义和可能的解决方案存在分歧。我们将尝试用图像分...

1332
来自专栏人工智能

CNN入门讲解:什么是采样层

各位看官老爷们 好久不见 这里是波波给大家带来的CNN卷积神经网络入门讲解 每周我将给大家带来绝对原创,脑洞大开,幽默风趣的深度学习知识点入门讲解 希望大家多多...

3068
来自专栏数据派THU

清华朱军团队包揽三项冠军 | NIPS 2017对抗样本攻防竞赛总结(附学习资料)

4605

扫码关注云+社区

领取腾讯云代金券