第86章 视觉新范式

上一页返回目录下一页
最新网址:www.umixs.info

    今后不论是识别分类,分割检测,还是迁移生成,都很难绕得开这些轻便又好用的办法了。

    “可以看到,这种思想席卷视觉领域之后,使得目前主要的研究方向都有了颠覆性的突破。”

    孟繁岐将这几篇论文的主要试验结论摆在了幻灯片的第二页,就是要先以结果震撼众人。

    “显然,这些算法在诸多领域都与第二名拉开了巨大的差距,而相当一部分的功劳应当属于残差思想对网络深度的革命。”

    “在10年11年,我们仍在使用人工设计的SIFT,HOG还有SVM,12年,阿里克斯的八层AlexNet取得了巨大的突破。”

    “而今年,残差思想引发的深度革命,使得训练150+层的神经网络成为可能。”

    “深度神经网络是很多任务场景,尤其是视觉任务场景的基础引擎和骨干,这也是为什么它能够迅速影响几个主流的任务。”

    “从结构上看,DreamNet并没有什么特别的,比起之前每一层都单独设计的网络,我其实故意希望它变得简单,重复。”

    孟繁岐身后的幻灯片展示了一个极其细长的图案,这就是一百多层深的DreamNet结构图。

    放大展示它的基本设计,众人发现,它的单层设计非常简洁朴素,只采用了最常规的算子操作。

    长长的结构图滚动了起来,观众们都发现,原来每一层并没有任何区别,只是单纯在重复。

    由于一百多层的滚动需要太久,在这个严肃的场合显得有些喜感,场内发出了一阵阵笑声。

    “那么这里就引出了一个问题,那就是是否单纯地把网络做大作深,就总是可以取得更好的结果呢?”

    孟繁岐的这个问题,直到2023年也没有一个理论上的答复,但很显然,巨大的模型还在持续地创造一个个奇迹。

    不管是绘画,对话,还是图像操作,都还远没有到达极限。

    “我非常希望自己能够清楚地从理论上告诉大家这个答案,但由于能力有限,我也只能给出自己的猜测,那就是Yes。”

    “我相信,只要更多更好的GPU,更多更好的数据,以及更大大模型和更好的优化办法,我们就可以持续地创造奇迹。”

    “而之前的网络在深度上遇到的阻碍,我认为并不是网络的能力问题,而是我们没有找到合适的办法去优化好它。”

    让网络多重复几次,这是很多人都试过的事情,很显然,得到的结果是比原本要差的。

    这在传统方法中,不是什么奇怪的现象,很多人都将这个现象解释为维度灾难或者过拟合,没有进行足够深度的探索。

    “稍加思索,这显然是一个反直觉的现象,对于更深的网络,我们完全可以将小版本网络的所有参数复制进来,而多出来的部分只要什么事情都不做,这个模型就至少不会更差。”

    “但事实上,却并非如此,我相信很多人都观察到了这样的普遍现象,那就是更深的模型反而变差了不少。”

    识别分类有竞赛结果,生成式网络的论文已经放出,而检测的网络随着白度的发布会,大家也已经了解它的威力。

    至于分割网络,则是这两天随着DreamNet的论文一起放出的U-Net工作。至此,可以说视觉类几大任务的基础范式已经被孟繁岐奠基。

    “虽然赛事的主题是图像的识别分类,但如此多学者聚集在一起的机会确实不多,我希望同时把其他方面的一些内容一起在这里展示一下。”

    视觉顶会有三个,分别是本次孟繁岐参加的国际计算机视觉大会,ICCV。

    还有欧洲计算机视觉会议,ECCV,一个偏欧洲一点的会议。

    但它的举办地点基本上都在美国,签证方面经常会有一些问题。

    本次的机会比较难得,当然要多宣传一下自己的工作。

    “基于DreamNet的残差思想,不仅在图像的识别分类上取得了巨大的突破,我同时也衍生出了它的一些变体,比如生成式网络,检测网络,还有分割网络。”

    说到这里,孟繁岐顿了一秒,台下响起了会心的笑声。

    “不过在这样的场合,我个人并不希望花费太多的时间在具体的细节上面,相关的论文和代码在最近一段时间会陆续地开源,对细节感兴趣的朋友可以自己去探索。”

    与谷歌签下合同之后,孟繁岐手头的所有论文也就没有继续压在手里的必要了。

    这两个都是两年一办,所以一年也只有两次这样国际顶级的会议机会。

    唯一一个每年都举办的,是CVPR,国际计算机视觉和模式识别大会。

    在大会开始之前,以DreamNet为首的部分论文已经可以在arxiv上直接阅读到。

    刚才其他队伍在上面介绍自己做法的时候,其实也有很多人像孟繁岐看财报一样,在偷偷阅读DreamNet的论文。

    看着台下满满一教室的AI领域学者们,都翘首以盼,用十分期待的目光看着自己,孟繁岐发觉自己远没有想象的那么紧张。

    “大家好,这个报告的主题主要是应用于图像领域的深度残差学习。我知道大家可能主要是为它在图像识别领域取得的成绩而来的。”

    不过由于这部分技术内容大都是图像算法领域的,目前还没有涉及到谷歌的关键利益。

    若是等几周后,孟繁岐将对谷歌推荐和广告算法的一系列策略做出来之后,想要公布这部分技术,谷歌是万万不可能会答应的。

    不涉及核心利益的情况下,谷歌在这些技术方面一向还是非常大方的,在经过杰夫和辛顿的审阅之后,孟繁岐已经准备先后把之前攒下的部分工作公布出去。

    借着发布会和这次国际会议的热度,他准备直接全部公之于众。

    当然,这部分内容现在需要先经过谷歌的首肯和内部审阅才可以发布出去,以免它们可能导致谷歌的利益有损失。

    会议的主持人面带笑容,宣布孟繁岐隆重登场。

    孟繁岐沉迷分成的计算,正在畅想美好的未来,完全没有感觉到时间竟然过得如此之快。

    连忙关掉谷歌的财报,缓步登台。

阅读重生之AI教父最新章节 请关注完美小说网(www.umixs.info)



随机推荐:打脸是门技术活炼明大秦之万代帝王都市之最强仙道重生之追爱少女火影之超级副本

上一页返回目录下一页
推荐本书加入书签报告错误