ImageNet 2013 छवि मान्यता प्रतियोगिताएं

दिसंबर 2013 में, इमेजनेट लार्ज स्केल विजुअल रिकॉग्निशन चैलेंज 2013 (ILSVRC2013) वार्षिक दृश्य छवि मान्यता प्रतियोगिता समाप्त हो गई, जो कि इमेजनेट द्वारा प्रायोजित है, जो छवियों का एक विशाल डेटाबेस है। वर्तमान में, डेटाबेस में 14 मिलियन से अधिक छवियां हैं।
प्रतियोगिता के प्रतिभागियों ने कट के तहत वर्णित तीन कार्यों को हल किया।
टास्क 1. 200 विभिन्न श्रेणियों से संबंधित वस्तुओं के वास्तविक दृश्यों की छवियों पर जांच। एक प्रशिक्षण नमूने के रूप में, चित्र प्रस्तुत किए गए थे, जिसमें प्रत्येक वस्तु के लिए उन पर दर्शाया गया था (200 श्रेणियों के बीच में से) इसकी कक्षा और एक सीमा आयत ज्ञात है (ऐसी छवि का एक उदाहरण नीचे दिए गए चित्र में दिखाया गया है)।


इस समस्या को हल करने के लिए प्रशिक्षण नमूने में 395,909 चित्र और परीक्षण नमूना - 40152 चित्र शामिल थे। परीक्षण चयन वस्तुओं के लिए वर्ग लेबल और सीमा आयत केवल परीक्षण चरण में ही जाने जाते हैं।
डिटेक्शन एल्गोरिदम के संचालन की गुणवत्ता का आकलन करते समय, सही ढंग से मान्यता प्राप्त और स्थानीयकृत वस्तुओं को ध्यान में रखा गया था (ज्ञात सीमा बॉर्डर के ओवरलैप क्षेत्र और इस छवि ऑब्जेक्ट के लिए एल्गोरिदम द्वारा प्रस्तावित सीमा आयत 50% से अधिक होनी चाहिए)। यदि छवि में ऑब्जेक्ट का पता नहीं लगाया गया था या एक से अधिक उदाहरणों में पाया गया था, तो एल्गोरिथ्म की गुणवत्ता का आकलन करते समय, यह दंडित किया गया था।
नतीजतन, विजेता टीम थे जिनके एल्गोरिथ्म ने अधिकांश श्रेणियों में सर्वश्रेष्ठ सटीकता हासिल की। पहले स्थान पर UvA-Euvision टीम थी (एम्स्टर्डम और Euvision विश्वविद्यालय की एक संयुक्त टीम)। वह 130 में 200 श्रेणियों की वस्तुओं की मान्यता में विजेता थी। 25 श्रेणियों के साथ दूसरे स्थान पर NEC-MU (NEC कंपनी मिसौरी विश्वविद्यालय के साथ मिलकर) गया। इस टीम के परिणामों की प्रस्तुति यहां ।

कार्य 2. 1000 श्रेणियों की वस्तुओं का वर्गीकरण । प्रशिक्षण के नमूने में 1.2 मिलियन चित्र शामिल थे, और परीक्षण नमूने में 150 हजार चित्र शामिल थे। प्रत्येक परीक्षण छवि के लिए, मान्यता एल्गोरिथ्म को उनकी विश्वसनीयता के अवरोही क्रम में 5 वर्ग लेबल का उत्पादन करना चाहिए। त्रुटि की गणना करते समय, यह ध्यान में रखा गया था कि क्या सबसे विश्वसनीय लेबल ऑब्जेक्ट के वर्ग के लेबल से मेल खाता है जो वास्तव में प्रत्येक छवि के लिए ज्ञात छवि पर मौजूद है। 5 लेबल का उपयोग उस मामले में एल्गोरिथ्म के लिए "सजा" को खत्म करने के लिए किया जाता है, जब यह छवि में अन्य वर्गों की वस्तुओं को मान्यता देता है जिसे अंतर्निहित रूप से प्रस्तुत किया जा सकता है (उदाहरण के लिए, नीचे दिया गया आंकड़ा देखें)।


इस समस्या को हल करने में विजेता मैथ्यू ज़िलर था, जो जेफरी हिंटन का छात्र था, दूसरा स्थान NUS टीम ने नेशनल यूनिवर्सिटी ऑफ़ सिंगापुर से लिया था, और तीसरा - ZF टीम, जिसमें मैथ्यू ज़ीलर और रोब फर्गस शामिल थे ।
मैथ्यू सेलर ने स्वयं को यह समझने का कार्य निर्धारित किया कि वास्तव में प्रशिक्षण संबंधी मान्यता प्राप्त तंत्रिका नेटवर्क (संवेदी तंत्रिका नेटवर्क, CNN) में मान्यता की गुणवत्ता को क्या प्रभावित करता है। उन्होंने वर्तमान तंत्रिका नेटवर्क के संचालन को समझने और विश्लेषण करने के लिए Deconvolutional Neural Networks की अवधारणा और तकनीक विकसित की। मैथ्यू ने तंत्रिका नेटवर्क का विश्लेषण किया - पिछले साल की ILSVRC2012 प्रतियोगिता का विजेता। नतीजतन, उन्होंने तंत्रिका नेटवर्क की संरचना विकसित करने के लिए सिफारिशें कीं, जिसने वस्तुओं की 1000 श्रेणियों को वर्गीकृत करने का काम जीता। उन सभी के लिए: मैथ्यू सेलर और मैथ्यू ज़ीलर की वेबसाइट द्वारा एक वीडियो प्रस्तुति ।

कार्य 3. समान 1000 वर्गों की वस्तुओं का वर्गीकरण और स्थानीयकरण। प्रत्येक छवि के लिए, एल्गोरिथ्म को ऑब्जेक्ट क्लास के 5 लेबल के अलावा, प्रस्तावित ऑब्जेक्ट क्लास के प्रत्येक लेबल के लिए आयतों को बॉर्डर करना चाहिए। प्रतियोगिता के इस भाग में केवल दो प्रतिभागी थे: ओवरफिट - एनवाईयू टीम, जिसने पहला स्थान हासिल किया (इस टीम में प्रतिभागियों में से एक दिग्गज यान लेकन था ), और वीजीजी टीम (विजुअल ज्योमेट्री ग्रुप, ऑक्सफोर्ड विश्वविद्यालय), जो क्रमशः दूसरे स्थान पर रही। यह ध्यान दिया जाना चाहिए कि OverFeat - NYU ने समस्या 2 को हल करने में केवल 4 वां स्थान लिया, जबकि इसके परिणामों को समस्या 1 में ध्यान नहीं दिया गया था, क्योंकि जब उसने अपने क्लासिफायर का प्रशिक्षण लिया, तब उसने अतिरिक्त, बाहरी, ग्राफिक चित्रों का उपयोग किया। ओवरफिट - एनवाईयू ने एक क्लासिफायरियर के रूप में एक दृढ़ तंत्रिका नेटवर्क का उपयोग किया। इस टीम की प्रस्तुति यहां है ।