Kraftfulla datorseendealgoritmer är nu tillräckligt små för att köras på din telefon

Kategori: Artificiell intelligens Postad 11 okt

Forskare har krympt toppmoderna datorseende modeller för att köras på enheter med låg effekt.

Växande smärtor: Visuell igenkänning är djupinlärningens starkaste färdighet. Algoritmer för datorseende analyserar medicinska bilder, möjliggör självkörande bilar och driver ansiktsigenkänning. Men utbildningsmodeller för att känna igen handlingar i videor har blivit allt dyrare. Detta har underblåst oro över teknikens koldioxidavtryck och dess ökande otillgänglighet i miljöer med låga resurser.

Forskningen: Forskare vid MIT-IBM Watson AI Lab har nu utvecklat en ny teknik för träning av videoigenkänningsmodeller på en telefon eller annan enhet med mycket begränsad bearbetningskapacitet. Vanligtvis kommer en algoritm att bearbeta video genom att dela upp den i bildramar och köra igenkänningsalgoritmer på var och en av dem. Den sätter sedan ihop åtgärderna som visas i videon genom att se hur objekten förändras över efterföljande bildrutor. Metoden kräver att algoritmen kommer ihåg vad den har sett i varje bildruta och i vilken ordning den har sett den. Detta är onödigt ineffektivt.

I det nya tillvägagångssättet extraherar algoritmen istället grundläggande skisser av objekten i varje bildruta och lägger dem ovanpå varandra. Istället för att komma ihåg vad som hände när, kan algoritmen få ett intryck av tidens gång genom att titta på hur objekten skiftar genom rymden i skisserna. I tester fann forskarna att den nya metoden tränade videoigenkänningsmodeller tre gånger snabbare än den senaste tekniken. Det gick också snabbt klassificera handgester med en liten dator och kamera som bara kör på tillräckligt med energi för att driva en cykellampa.

Varför det är viktigt: Den nya tekniken kan bidra till att minska eftersläpning och beräkningskostnader i befintliga kommersiella tillämpningar av datorseende. Det skulle till exempel kunna göra självkörande bilar säkrare genom att påskynda deras reaktion på inkommande visuell information. Tekniken kan också låsa upp nya applikationer som tidigare inte var möjliga, till exempel genom att göra det möjligt för telefoner att hjälpa till att diagnostisera patienter eller analysera medicinska bilder.

Distribuerad AI: I takt med att mer och mer AI-forskning omsätts till tillämpningar kommer behovet av mindre modeller att öka. MIT-IBM-papperet är en del av en växande trend att krympa toppmoderna modeller till en mer hanterbar storlek.

För att få fler berättelser som denna levererade direkt till din inkorg, registrera dig för vårt Webby-nominerade AI-nyhetsbrev The Algorithm. Det är gratis.