Тренировка моделей глубокого обучения для распознавания изображений, а также объектов внутри этих изображений требует немалых усилий. Часто каждый обучающий образ должен быть помечен людьми, а когда вы используете миллионы изображений, этот процесс становится довольно трудоемким. Масштабирование до миллиардов изображений становится практически невозможным. Таким образом, Facebook работает над тем, чтобы тренировать модели глубокого обучения с ограниченным людским контролем. Вместо этого его исследователи обратились к общедоступным изображениям, которые в некотором смысле уже помечены - хэштегами.

С помощью этого метода исследователи и инженеры Facebook обучили сети распознавания образов с 3,5 миллионами изображений Instagram, помеченных целыми 17 000 хэштегами. После обучения системе компьютерного зрения с одним миллиардом изображений и 1500 хэштегами она смогла достичь 85,4% точности распознавания изображений на популярном инструменте ImageNet. Она выбила предыдущую современную модель, которая достигла отметки точности 83,1 процента.

Работа показывает, что слабо контролируемая тренировка - это правильный вариант продвижения вперед, открывающий тренинг по модели глубокого обучения для больших наборов данных и, возможно, более точное распознавание и классификация изображений. Лучшее распознавание изображений может улучшить звуковые заголовки с искусственным интеллектом для слабовидящих, но Facebook говорит, что есть и другие полезные приложения. Использование хэштегов в качестве ярлыков для компьютерного зрения может повлиять на то, как Facebook оценивает изображения в каналах и улучшает понимание системы видеоизображения ИИ.