Google、コンピュータビジョンモデルBig Transferをオープンソース化

Google Brainは、深層学習型コンピュータビジョンモデル「Big Transfer (BiT)」の事前学習モデルとファインチューニングコードを公開した。これらのモデルは、一般に公開されている一般的な画像データセットを用いて事前に訓練されており、わずか数サンプルで微調整を行うだけで、いくつかのビジョンベンチマークにおいて最先端の性能を満たすか、それ以上の性能を発揮することができるという。

Google、コンピュータビジョンモデルBig Transferをオープンソース化

Google Brainは、深層学習型コンピュータビジョンモデル「Big Transfer (BiT)」の事前学習モデルとファインチューニングコードを公開した。これらのモデルは、一般に公開されている一般的な画像データセットを用いて事前に訓練されており、わずか数サンプルで微調整を行うだけで、いくつかのビジョンベンチマークにおいて最先端の性能を満たすか、それ以上の性能を発揮することができるという。

論文の共著者であるGoogle Brainの研究者Lucas BeyerとAlexander Kolesnikovは、最近のブログ記事で研究の概要を説明している。深層学習型ビジョンモデルの性能を向上させるために、チームは大規模な事前学習と、モデルサイズ、データセットサイズ、学習期間、正規化戦略、ハイパーパラメータの選択の効果を調査した。この研究の結果、チームはコンポーネントと訓練ヒューリスティックの「レシピ」を開発し、ObjectNetデータセットでは「前例のない80.0%の精度でトップ5に入る」など、様々なベンチマークで強力な性能を達成したと、BeyerとKolesnikovは主張する。

彼らは「Big Transferを使用すると、クラスごとにラベル付けされた画像をほんの一握りでも、誰もが興味のあるタスクで最先端のパフォーマンスを発揮できるようになる」と記述している。

ディープラーニングモデルはコンピュータビジョン、特に画像中の物体の認識において飛躍的な進歩を遂げてきた。この成功の鍵の一つは、ラベル付きの大規模なデータセットが利用できるようになったことだ。例えば、人気のあるImageNetデータセットには、21kの異なるオブジェクトクラスを含む1,400万枚以上のラベル付き画像が含まれている。しかし、画像は通常、人、ペット、家庭用品などの一般的なものを示している。産業用ロボットのような専門的なタスクのために同じような規模のデータセットを作成するには、法外な費用がかかったり、時間がかかったりする可能性がある。

このような状況では、AIエンジニアは、大規模な自然言語処理(NLP)モデルで人気のある戦略である伝達学習を適用することがよくある。ニューラルネットワークは、最初に大規模な一般的なデータセットで事前学習を行い、テストデータセットで一定レベルの性能を達成するまで学習する。その後、モデルはより小さなタスク固有のデータセットで微調整され、時にはタスク固有のオブジェクトの例が1つしかない場合もある。大規模なNLPモデルは、伝達学習を用いて、新しい最先端の性能レベルを設定している。

BiTでは、Googleの研究者はResNet-v2ニューラルアーキテクチャを使用した。事前学習のデータセットサイズの影響を調べるために、研究チームは、異なるデータセットで事前学習した3つのグループのモデルで実験を再現した。ILSVRC-2012の128万枚の画像で事前学習したBiT-Sモデル、ImageNet-21kの1420万枚の画像で事前学習したBiT-Mモデル、JFT-300Mの3億枚の画像で事前学習したBiT-Lモデルである。その後、モデルは微調整され、いくつかの一般的なベンチマーク(ILSVRC-2012、CIFAR-10/100、Oxford-IIIT Pet、Oxford Flowers-102)で評価された。

研究チームは、実験からいくつかの知見を得た。第一に、モデルサイズを大きくすることの利点は、より小さなデータセットでは減少し、より大きなデータセットでより小さなモデルを事前に訓練してもほとんど利点はない。第二に、バッチ正規化よりもグループ正規化の方が大規模モデルの性能が良かった。最後に、微調整時に高額なハイパーパラメータ探索を回避するために、研究チームはBiT-HyperRuleと呼ばれるヒューリスティックな手法を開発した。

Googleは、BiT-SグループとBiT-Mグループの中から、最も性能の良い事前学習モデルを公開している。しかし、JFT-300Mデータセットに基づくBiT-Lモデルは一切公開していない。

Photo by Google Cloud

Read more

新たなスエズ危機に直面する米海軍[英エコノミスト]

新たなスエズ危機に直面する米海軍[英エコノミスト]

世界が繁栄するためには、船が港に到着しなければならない。マラッカ海峡やパナマ運河のような狭い航路を通過するとき、船舶は最も脆弱になる。そのため、スエズ運河への唯一の南側航路である紅海で最近急増している船舶への攻撃は、世界貿易にとって重大な脅威となっている。イランに支援されたイエメンの過激派フーシ派は、表向きはパレスチナ人を支援するために、35カ国以上につながる船舶に向けて100機以上の無人機やミサイルを発射した。彼らのキャンペーンは、黒海から南シナ海まですでに危険にさらされている航行の自由の原則に対する冒涜である。アメリカとその同盟国は、中東での紛争をエスカレートさせることなく、この問題にしっかりと対処しなければならない。 世界のコンテナ輸送量の20%、海上貿易の10%、海上ガスと石油の8~10%が紅海とスエズルートを通過している。数週間の騒乱の後、世界の5大コンテナ船会社のうち4社が紅海とスエズ航路の航海を停止し、BPは石油の出荷を一時停止した。十分な供給があるため、エネルギー価格への影響は軽微である。しかし、コンテナ会社の株価は、投資家が輸送能力の縮小を予想している

By エコノミスト(英国)
新型ジェットエンジンが超音速飛行を復活させる可能性[英エコノミスト]

新型ジェットエンジンが超音速飛行を復活させる可能性[英エコノミスト]

1960年代以来、世界中のエンジニアが回転デトネーションエンジン(RDE)と呼ばれる新しいタイプのジェット機を研究してきたが、実験段階を超えることはなかった。世界最大のジェットエンジン製造会社のひとつであるジー・エアロスペースは最近、実用版を開発中であると発表した。今年初め、米国の国防高等研究計画局は、同じく大手航空宇宙グループであるRTX傘下のレイセオンに対し、ガンビットと呼ばれるRDEを開発するために2900万ドルの契約を結んだ。 両エンジンはミサイルの推進に使用され、ロケットや既存のジェットエンジンなど、現在の推進システムの航続距離や速度の限界を克服する。しかし、もし両社が実用化に成功すれば、超音速飛行を復活させる可能性も含め、RDEは航空分野でより幅広い役割を果たすことになるかもしれない。 中央フロリダ大学の先端航空宇宙エンジンの専門家であるカリーム・アーメッドは、RDEとは「火を制御された爆発に置き換える」ものだと説明する。専門用語で言えば、ジェットエンジンは酸素と燃料の燃焼に依存しており、これは科学者が消炎と呼ぶ亜音速の反応だからだ。それに比べてデトネーシ

By エコノミスト(英国)
ビッグテックと地政学がインターネットを作り変える[英エコノミスト]

ビッグテックと地政学がインターネットを作り変える[英エコノミスト]

今月初め、イギリス、エストニア、フィンランドの海軍がバルト海で合同演習を行った際、その目的は戦闘技術を磨くことではなかった。その代わり、海底のガスやデータのパイプラインを妨害行為から守るための訓練が行われた。今回の訓練は、10月に同海域の海底ケーブルが破損した事件を受けたものだ。フィンランド大統領のサウリ・ニーニストは、このいたずらの原因とされた中国船が海底にいかりを引きずった事故について、「意図的なのか、それとも極めて稚拙な技術の結果なのか」と疑問を呈した。 海底ケーブルはかつて、インターネットの退屈な配管と見なされていた。現在、アマゾン、グーグル、メタ、マイクロソフトといったデータ経済の巨人たちは、中国と米国の緊張が世界のデジタルインフラを分断する危険性をはらんでいるにもかかわらず、データの流れをよりコントロールすることを主張している。その結果、海底ケーブルは貴重な経済的・戦略的資産へと変貌を遂げようとしている。 海底データパイプは、大陸間インターネットトラフィックのほぼ99%を運んでいる。調査会社TeleGeographyによると、現在550本の海底ケーブルが活動

By エコノミスト(英国)