AI 前线导读:2018 年 9 月 10 日,腾讯 AI Lab 宣布将于 9 月底开源“Tencent ML-Images”项目,该项目由多标签图像数据集 ML-Images,以及业内目前同类深度学习模型中精度最高的深度残差网络 ResNet-101 构成。AI 前线记者专门采访了腾讯 AI Lab ML-Images 团队,为各位读者带来该项目的第一手深度解读。 更多...
为此,腾讯AI lab构建了一个大规模的多标签图像数据库,其中包含 1800万个图像和 1.1万个类别,我们称之为Tencent ML-Images。本文基于大规模分布式深度学习框架TFplus,在Tencent ML-Images 上高效训练ResNet-101多标签输出模型,耗时 90 小时共训练了 60 个epoch。通过对比 ImageNet 和Caltech-256 上的单标签图像分...
而作为该领域内的佼佼者,Tencent ML-Images 与 ResNet-101 必将继续引领潮流,为推动图像识别技术的发展贡献更多力量。 六、总结 综上所述,Tencent ML-Images 与 ResNet-101 的结合为深度学习领域的图像识别技术带来了革命性的变化。Tencent ML-Images 作为当前最大规模的多标签图像数据集之一,提供了丰富且多样化的...
通过迁移学习,该模型在 ImageNet 验证集上取得了 80.73% 的 top-1 分类精度,超过谷歌同类模型(迁移学习模式)的精度,且值得注意的是,ML-Images 的规模仅为 JFT-300M 的约 1/17。 据了解,“Tencent ML-Images”项目的深度学习模型,目前已在腾讯多项业务中发挥重要作用,如“天天快报”的图像质量评价与推荐功能。
腾讯Tencent ML-Images项目的论文2019年1月8日在康奈尔大学的论文库中公布。 题目:Tencent ML-Images: A Large-Scale Multi-Label Image Database for Visual Representation Learning 作者:Baoyuan Wu, Weidong Chen, Yanbo Fan, Yong Zhang, Jinlong Hou, Junzhou Huang, Wei Liu, Tong Zhang ...
据腾讯AI Lab介绍，“Tencent ML-Images”项目的深度学习模型，目前已在腾讯多项业务中发挥作用，如“天天快报”的图像质量评价与推荐功能。此外，腾讯AI Lab团队还将基于Tencent ML-Images的ResNet-101模型迁移到很多其他视觉任务，包括图像物体检测，图像语义分割，视频物体分割，视频物体跟踪等。近几年，腾讯项目开源...
此仓库是为了提升国内下载速度的镜像仓库,每日同步一次。 原始仓库:https://github.com/Tencent/tencent-ml-images master 分支(1) 管理 管理 master 克隆/下载 HTTPSSSHSVNSVN+SSH 该操作需登录 Gitee 帐号,请先登录后再操作。 提示 下载代码请复制以下命令到终端执行 ...
Tencent ML-Images: A Large-Scale Multi-Label Image Database for Visual Representation Learning,程序员大本营,技术文章内容聚合第一站。
当前业内公开的最大规模的多标签图像数据集是Google公司的Open Images,包含900万训练图像和6 000多物体类别。腾讯AI Lab此次开源的ML-Images数据集包括1 800万训练图像和超过1.1万常见物体类别,或将成为新的行业基准数据集。此外,腾讯AI Lab还将提供基于ML-Images训练得到的深度残差网络ResNet-101。该模型具有优异的...
Tencent ML-Images 开源项目的优点 1) 规模大:目前最大规模的公开多标签图像数据集,包含1800 万图像和1.1 万多种常见 物体类别; 2) 精度高:具有优异视觉表示和识别能力的预训练模型,在Tencent ML-Images 上预训 练,并在ImageNet 微调的ResNet-101模型,在ImageNet 验证集上取得了81.7%的 top-1 识别精度...