Nvidia新技術可減少20倍AI模型訓練資料量
Nvidia發(fā)展新的資料增強技術，可以大幅減少訓練人工智能模型所需要的資料量，研究人員僅使用來自大都會藝術博物館的一個小型資料集，就讓人工智能模型能夠創(chuàng)造出，過去可能需要數(shù)萬，甚至可能超過10萬訓練圖像，才能產生的精美圖像結果，而這項研究成果可用于廣泛的領域上，包括醫(yī)療保健等應用。
Nvidia將一種稱為ADA（Adaptive Discriminator Augmentation）的技術，應用在生成對抗網絡StyleGAN2模型上，使得訓練圖像的資料量，可大幅減少10到20倍，而且獲得同樣良好的效果。生成對抗網絡（GAN）的特性之一，便是訓練資料越多，模型產生的結果越好，生成對抗網絡由生成器（Generator）與判別器（Discriminator）兩個組件組成，生成器負責合成圖像，而判別器則要識別出圖像真?zhèn)?，并反饋有用的參?shù)給生成器，使得生成器之后能夠產生更好的結果。
但是一旦訓練資料不足，判別器便無法提供生成器足夠的信息產生好結果，就像是新手教練沒有夠多的經驗指導球員，球員也就難以精進球技一樣。因此生成對抗網絡通常需要5萬到10萬的訓練圖像，才能訓練出高品質的模型，但問題是，在許多使用案例上，并沒有足夠多的樣本圖像可以取用，僅以數(shù)千張圖像訓練生成對抗網絡，通常無法產生逼真的結果，而且會出現(xiàn)過適（Overfitting）的現(xiàn)象。
過去的研究也曾經以資料增強的方法，減少訓練生成對抗網絡所需要的資料量，但是結果并不好，因為生成對抗網絡反而學習了圖像旋轉變形等失真情形，無法產生逼真的合成圖像。而現(xiàn)在Nvidia所提出的ADA方法，可以適應性地應用資料增強方法，避免過適現(xiàn)象，而使得StyleGAN2等模型，可以使用更少的訓練圖像，并獲得良好的結果。
研究人員將這項結果應用在過去因為訓練資料太少，而難以實現(xiàn)的使用案例上，像是藝術家便使用StyleGAN進行創(chuàng)作，產生出各種精美繪畫，或是以傳奇插畫家Osamu Tezuka的風格，搭建新的漫畫，Adobe也應用該項技術，提供新的人工智能工具Neural Filters。
研究人員也提到，該項技術還有望應用在醫(yī)療保健領域，因為罕見疾病的醫(yī)學圖像很少，而且每個案例差異度很大，要大量收集有用的病理切片資料集很困難，而使用ADA技術的生成對抗網絡，則可改善這樣的問題。
- 上一篇：2020“中國高校計算機大賽-人工智能創(chuàng)意賽”收官 2020/12/10
- 下一篇：構建長期共贏生態(tài)圈 英特爾至強平臺加速人工智能落地 2020/12/10
