AI challenger又發福利:零樣本學習算法大賽 and 零樣本數據集

2021-02-16 創新工場

火遍全球的AI challenger又派發數據集福利啦！

去年，由創新工場、搜狗、今日頭條聯合主辦的AI Challenger（以下簡稱AIC）全球AI挑戰賽吸引了來自65個國家近萬團隊參賽。今年，AIC預熱賽零樣本學習（zero-shot learning）競賽即日起開始比賽。

零樣本學習競賽同樣發布大規模圖像屬性數據集，包含78017張圖片、230個類別、359種屬性。與目前主流的用於zero-shot learning的數據集相比，圖片量更大、屬性更豐富、類別與ImageNet重合度更低。

創新工場AI工程院運營副總裁吳卓浩表示，「人工智慧發展的必經之路之一是『教會』機器認識我們的世界，這也是為什麼有了網際網路發展過程中所積累下來的海量標註數據，才促成了最近這一波人工智慧技術和應用的突破。但是，讓機器認識世界的挑戰仍然非常大，因為在很多情況下人們難以獲得足夠的有標註的數據來訓練識別或預測模型」。

因此，受人類學習能力的啟發，零樣本學習（zero-shot learning）希望藉助輔助知識（如屬性、詞向量、文本描述等），在沒有任何訓練樣本的情況下，學會從未見過的新概念。這具有重要的研究意義和廣泛的應用場景，被認為是實現大規模物體識別的一個重要方式。

瞄準這個國際前沿課題，AI Challenger帶來了目前世界最大的零樣本學習數據集、以及國內首次零樣本學習競賽。

相關焦點

  • 今日Paper | 小樣本學習;機器學習;單幅圖像去霧 ;零樣本目標檢測等
    from=leiphonecolumn_paperreview0212推薦原因這篇論文研究的是小樣本學習，也就是如何在每個類別只有幾個、甚至一個樣本的情況下學習如何分類。現有的基於指標的小樣本分類算法，都是通過一個學習到的指標函數，把要預測的樣本的特徵嵌入和給定的樣本進行對比。
  • 【ACM MM2020-計算所】基於多源語義嵌入的場景識別的廣義零樣本學習
    從語義描述中識別視覺類別是一種很有前途的方法，它可以擴展視覺分類器的能力，使其超越訓練數據中所表示的概念(即看到的類別)。
  • WWW2021–OntoZSL:利用本體知識和生成模型增強零樣本學習
    在這篇工作中，我們提出了在訓練樣本存在缺失的條件下，利用知識本體（Ontology）及生成對抗網絡解決零樣本學習問題的模型框架，該框架在零樣本圖像分類及零樣本知識圖譜補全等任務中均取得了顯著效果。近年來，深度學習技術依託強大的計算資源、複雜的神經網絡和大規模的標註數據集在視覺、語言、醫學、金融等廣泛的研究領域取得了顯著的成就。
  • 上海交大提出零樣本語義分割:像素級別特徵生成|已開源
    訓練集只有已知種類的分割掩碼，測試集包含已知種類和未知種類。零樣本語義分割旨在通過種類級別的語義表徵（比如詞向量、屬性向量等）從已知種類向未知種類遷移信息，從而在測試階段完成已知種類和未知種類的分割。2相關工作現有的零樣本語義分割方法有SPNet[1]和ZS3Net[2 ], 如下圖所示。
  • CVPR 2018:阿里提出新零樣本學習方法,有效解決偏置問題
    歸納式和直推式零樣本學習在大規模的訓練數據集的支撐下，計算機視覺中的物體識別算法在近幾年取得了突破性的進展。但是人工收集和標註數據是一項十分耗費人力物力的工作。例如，在細粒度分類中，需要專家來區分不同的類別。對於如瀕臨滅絕的物種，要收集到豐富多樣的數據就更加困難了。在給定有限或者沒有訓練圖片的情況下，現在的視覺識別模型很難預測出正確的結果。
  • 論文推薦|[PR 2020]基於HDE編碼的零樣本手寫漢字識別
    論文主要是提出了一種HDE編碼方法，即將漢字的分解序列映射到一個Embedding空間，然後進行手寫漢字的零樣本識別。零樣本識別簡單來說就是測試集的類別沒有在訓練集中出現。由於漢字龐大的類別數、不常用漢字的樣本十分稀缺、數據標註的成本很高等原因，使得傳統的讓測試集類別出現在訓練集的識別策略會有很多的困難。如果可以做到零樣本識別，就可以一定程度上解決這些問題。
  • 推出 Meta-Dataset:為小樣本學習而構建的數據集
    由於人類對有限信息的學習能力明顯不及深度學習算法，所以從科學角度而言，小樣本分類是個很有趣的問題。而從實際的角度來看，這也是非常重要的問題。大型標註數據集通常無法用於興趣類任務，因此解決此類問題將帶來諸多益處（如，讓模型可根據用戶需求進行快速定製），從而讓越來越多的人能夠使用機器學習技術。
  • 樣本不平衡數據集防坑騙指南
    尤其是現在深度學習中廣泛採用了數據增強技術後，和採樣技術結合更是如虎添翼，（如果不用數據增強，只進行類似過採樣的操作的話，某類中的某些樣本多次重複出現可能會對特徵表徵學習帶來傷害）。2.1 隨機欠採樣和隨機過採樣隨機欠採樣和隨機過採樣是一對好兄(基)弟(友)，各有長短。隨機欠採樣是針對數據較多的類別下手。
  • SoReL-20M: 2000萬惡意軟體樣本數據集開源
    SoReL-20M是一個含有2000萬Windows PE文件元數據、標籤和特徵的數據集，其中包含1000萬去除惡意軟體功能的惡意軟體樣本，目標是為設計檢測惡意軟體的機器學習方法提供足夠的數據集。同時開源的還有在這些數據上預訓練的基於PyTorch 和 LightGBM的機器學習模型作為基準。
  • Facebook 開源增強版 LASER 庫:可實現 93 種語言的零樣本遷移
    LASER 開源地址（含多語言編碼器、PyTorch 代碼、面向 100 多種語言的多語言測試集）：https://github.com/facebookresearch/LASERLASER 為實現 NLP 模型從一種語言（如英語）到其他許多種語言（包括訓練數據極度有限的語言）的零樣本遷移帶來了可能。
  • 如何學習SVM?怎麼改進實現SVM算法程序?答案來了
    本文為知乎問題「如何學習 SVM（支持向量機）以及改進實現 SVM 算法程序？」下的兩個答案。然後記錄下這些非零的 alpha 值和對應樣本中的 x 值和 y 值，就完成學習了，然後預測的時候用：第二步：實現核函數緩存觀察下上面的偽代碼，開銷最大的就是計算核函數 K(xi, xj)，有些計算又反覆用到，一個 100 個樣本的數據集求解，假設總共要調用核函數 20 萬次，但是 xi, xj 的組和只有 100x100=1萬種，有緩存的話你的效率可以提升 20 倍。
  • CVPR 2019提前看:少樣本學習專題
    由此，每個分類的任務 T（Task）都包含一個支持集 S（Support Set）與查詢集 Q（Query Set），支持集是一個已包含標籤的數據集，查詢集則是未經標記的數據集，也正是學好的分類器進行驗證的一個數據集。
  • NeurIPS 2019 少樣本學習研究亮點全解析
    增量少樣本學習：提出少樣本學習的增量類別數據集 D，用於該階段的少樣本節點學習。對於每個學習的 N-shot K』-way 節點，每次都分別選中不同於固有類別的 K』個新增類，每個新增類都分別有來自支撐集 S（Support Set）的 N 張圖片，以及 M 張來自查詢集 Q（Query Set）的圖片。
  • 如何學習SVM(支持向量機)以及改進實現SVM算法程序?
    然後記錄下這些非零的 alpha 值和對應樣本中的 x 值和 y 值，就完成學習了，然後預測的時候用：第二步：實現核函數緩存觀察下上面的偽代碼，開銷最大的就是計算核函數 K(xi, xj)，有些計算又反覆用到，一個 100 個樣本的數據集求解，假設總共要調用核函數 20 萬次，但是 xi, xj 的組和只有 100x100=1萬種，有緩存的話你的效率可以提升 20 倍.
  • MNIST的新生:測試集新增50000個樣本,Yann LeCun推薦測試
    在機器學習研究中，MNIST 手寫數字圖像數據集已經作為基準使用了二十餘年。該數據集雖然經典，但也存在測試集過小等問題。近日，來自 Facebook 和紐約大學的研究者重建並擴展了該數據集，在測試集中新增了 50000 個樣本。
  • AI開放平臺推出零基礎算法開發的意義
    而現在通過AI開放平臺，可以利用各種自動化的工具，使得AI算法的開發過程，變得非常簡易。一個零算法基礎的用戶，可以在一個小時之內完成整個算法的訓練及部署。舉一個例子，比如一家連鎖商店的老闆需要通過AI技術檢測商鋪門口是否堆有垃圾，但商戶本身沒有任何技術能力。
  • 如何學習SVM(支持向量機)以及改進實現SVM算法程序 - 雷鋒網
    雷鋒網 AI 科技評論按，本文為韋易笑在知乎問題如何學習SVM（支持向量機）以及改進實現SVM算法程序下面的回覆，雷鋒網 AI 科技評論獲其授權轉載。以下為正文：學習 SVM 的最好方法是實現一個 SVM，可講理論的很多，講實現的太少了。
  • 8步學習SVM(支持向量機)(附改進實現SVM算法代碼)
    然後記錄下這些非零的 alpha 值和對應樣本中的 x 值和 y 值，就完成學習了，然後預測的時候用：第二步：實現核函數緩存觀察下上面的偽代碼，開銷最大的就是計算核函數 K(xi, xj)，有些計算又反覆用到，一個 100 個樣本的數據集求解，假設總共要調用核函數 20 萬次，但是 xi, xj 的組和只有 100x100=1 萬種，有緩存的話你的效率可以提升 20 倍。
  • 從零開始用Python實現k近鄰算法(附代碼、數據集)
    本文的重點主要集中在算法的工作原理以及輸入參數如何影響輸出/預測。目錄什麼情況下使用KNN算法？KNN算法如何工作？如何選擇因子K？分解--KNN的偽代碼從零開始的Python實現和Scikit-learn比較什麼情況使用KNN算法？
  • 用孿生網絡、對比損失和三重損失進行人臉識別的單樣本學習
    單樣本學習算法的主要思想是，我們需要僅僅從少量的數據中就能學會一個對象分類。更多優質內容請關注微信公眾號「AI 前線」（ID：ai-front） 單樣本學習（One shot learning）是一項分類任務，用一個或幾個樣本對未來的許多樣本進行分類。