[[246744]]

騰訊 AI Lab 宣布正式開(kāi)源“Tencent ML-Images”項(xiàng)目，該項(xiàng)目由多標(biāo)簽圖像數(shù)據(jù)集 ML-Images，以及業(yè)內(nèi)目前同類(lèi)深度學(xué)習(xí)模型中精度***的深度殘差網(wǎng)絡(luò) ResNet-101 構(gòu)成。

　　該項(xiàng)目的開(kāi)源，是騰訊 AI Lab 在計(jì)算機(jī)視覺(jué)領(lǐng)域所累積的基礎(chǔ)能力的一次釋放，為人工智能領(lǐng)域的科研人員和工程師提供了充足的高質(zhì)量訓(xùn)練數(shù)據(jù)，及簡(jiǎn)單易用、性能強(qiáng)大的深度學(xué)習(xí)模型，促進(jìn)人工智能行業(yè)共同發(fā)展。

　　項(xiàng)目訪(fǎng)問(wèn)地址:

　　https://github.com/Tencent/tencent-ml-images

　　騰訊 AI Lab 此次公布的圖像數(shù)據(jù)集 ML-Images，包含了 1800 萬(wàn)圖像和 1.1 萬(wàn)多種常見(jiàn)物體類(lèi)別，在業(yè)內(nèi)已公開(kāi)的多標(biāo)簽圖像數(shù)據(jù)集中規(guī)模***，足以滿(mǎn)足一般科研機(jī)構(gòu)及中小企業(yè)的使用場(chǎng)景。此外，基于 ML-Images 訓(xùn)練得到的深度殘差網(wǎng)絡(luò) ResNet-101，具有優(yōu)異的視覺(jué)表示能力和泛化性能，在當(dāng)前業(yè)內(nèi)同類(lèi)模型中精度***，將為包括圖像、視頻等在內(nèi)的視覺(jué)任務(wù)提供強(qiáng)大支撐，并助力圖像分類(lèi)、物體檢測(cè)、物體跟蹤、語(yǔ)義分割等技術(shù)水平的提升。

　　本次正式開(kāi)源，其主要內(nèi)容包括：

1、ML-Images 數(shù)據(jù)集的全部圖像 URLs,以及相應(yīng)的類(lèi)別標(biāo)注。因原始圖像版權(quán)問(wèn)題，此次開(kāi)源將不直接提供原始圖像，用戶(hù)可利用騰訊 AI Lab 提供的下載代碼和 URLs 自行下載圖像。

2、ML-Images 數(shù)據(jù)集的詳細(xì)介紹。包括圖像來(lái)源、圖像數(shù)量、類(lèi)別數(shù)量、類(lèi)別的語(yǔ)義標(biāo)簽體系、標(biāo)注方法，以及圖像的標(biāo)注數(shù)量等統(tǒng)計(jì)量。

3、完整的代碼和模型。騰訊 AI Lab 提供的代碼涵蓋從圖像下載和圖像預(yù)處理，到基于 ML-Images 的預(yù)訓(xùn)練和基于 ImageNet 的遷移學(xué)習(xí)，再到基于訓(xùn)練所得模型的圖像特征提取的完整流程。項(xiàng)目提供了基于小數(shù)據(jù)集的訓(xùn)練示例，以方便用戶(hù)快速體驗(yàn)該訓(xùn)練流程。項(xiàng)目還提供了具有極高精度的 ResNet-101 模型(在單標(biāo)簽基準(zhǔn)數(shù)據(jù)集 ImageNet 的驗(yàn)證集上的 top-1 精度為 80.73%)。用戶(hù)可根據(jù)自身需求，隨意選用該項(xiàng)目的代碼或模型。

　　以深度神經(jīng)網(wǎng)絡(luò)為典型代表的深度學(xué)習(xí)技術(shù)已經(jīng)在很多領(lǐng)域充分展現(xiàn)出其優(yōu)異的能力，尤其是計(jì)算機(jī)視覺(jué)領(lǐng)域，包括圖像和視頻的分類(lèi)、理解和生成等重要任務(wù)。然而，要充分發(fā)揮出深度學(xué)習(xí)的視覺(jué)表示能力，必須建立在充足的高質(zhì)量訓(xùn)練數(shù)據(jù)、優(yōu)秀的模型結(jié)構(gòu)和模型訓(xùn)練方法，以及強(qiáng)大的的計(jì)算資源等基礎(chǔ)能力之上。

　　各大科技公司都非常重視人工智能基礎(chǔ)能力的建設(shè)，都建立了僅面向其內(nèi)部的大型圖像數(shù)據(jù)集，例如谷歌的 JFT-300M 和 Facebook 的 Instagram 數(shù)據(jù)集。但這些數(shù)據(jù)集及其訓(xùn)練得到的模型都沒(méi)有公開(kāi)，對(duì)于一般的科研機(jī)構(gòu)和中小企業(yè)來(lái)說(shuō)，這些人工智能基礎(chǔ)能力有著非常高的門(mén)檻。

　　當(dāng)前業(yè)內(nèi)公開(kāi)的***規(guī)模的多標(biāo)簽圖像數(shù)據(jù)集是谷歌公司的 Open Images, 包含 900 萬(wàn)圖像和 6000 多物體類(lèi)別。騰訊 AI Lab 此次開(kāi)源的 ML-Images 數(shù)據(jù)集包括 1800 萬(wàn)圖像和 1.1 萬(wàn)多常見(jiàn)物體類(lèi)別，或?qū)⒊蔀樾碌男袠I(yè)基準(zhǔn)數(shù)據(jù)集。

　　此外，基于 ML-Images 訓(xùn)練得到的 ResNet-101 模型，具有優(yōu)異的視覺(jué)表示能力和泛化性能。通過(guò)遷移學(xué)習(xí)，該模型在 ImageNet 驗(yàn)證集上取得了 80.73% 的 top-1 分類(lèi)精度，超過(guò)谷歌同類(lèi)模型（遷移學(xué)習(xí)模式）的精度，且值得注意的是，ML-Images 的規(guī)模僅為 JFT-300M 的約1/17。這充分說(shuō)明了 ML-Images 的高質(zhì)量和訓(xùn)練方法的有效性。詳細(xì)對(duì)比如下表。

　　注：微軟 ResNet-101 模型為非遷移學(xué)習(xí)模式下訓(xùn)練得到，即 1.2M 預(yù)訓(xùn)練圖像為原始數(shù)據(jù)集 ImageNet 的圖像。

　　騰訊 AI Lab 此次開(kāi)源的“Tencent ML-Images”項(xiàng)目，展現(xiàn)了騰訊在人工智能基礎(chǔ)能力建設(shè)方面的努力，以及希望通過(guò)基礎(chǔ)能力的開(kāi)放促進(jìn)行業(yè)共同發(fā)展的愿景。

　　“Tencent ML-Images”項(xiàng)目的深度學(xué)習(xí)模型，目前已在騰訊多項(xiàng)業(yè)務(wù)中發(fā)揮重要作用，如“天天快報(bào)”的圖像質(zhì)量評(píng)價(jià)與推薦功能，其后臺(tái)測(cè)試的日調(diào)用量已達(dá) 1000 萬(wàn)次。

　　如下圖所示，天天快報(bào)新聞封面圖像的質(zhì)量得到明顯提高。

　　左圖為優(yōu)化前，右圖為優(yōu)化后

　　此外，騰訊 AI Lab 團(tuán)隊(duì)還將基于 Tencent ML-Images 的 ResNet-101 模型遷移到很多其他視覺(jué)任務(wù)，包括圖像物體檢測(cè)，圖像語(yǔ)義分割，視頻物體分割，視頻物體跟蹤等。這些視覺(jué)遷移任務(wù)進(jìn)一步驗(yàn)證了該模型的強(qiáng)大視覺(jué)表示能力和優(yōu)異的泛化性能。“Tencent ML-Images”項(xiàng)目未來(lái)還將在更多視覺(jué)相關(guān)的產(chǎn)品中發(fā)揮重要作用。

　　自 2016 年騰訊***在 GitHub 上發(fā)布開(kāi)源項(xiàng)目（https://github.com/Tencent），目前已累積開(kāi)源覆蓋人工智能、移動(dòng)開(kāi)發(fā)、小程序等領(lǐng)域的 57 個(gè)項(xiàng)目。為進(jìn)一步貢獻(xiàn)開(kāi)源社區(qū)，騰訊相繼加入 Hyperledger、LF Networking 和開(kāi)放網(wǎng)絡(luò)基金會(huì)，并成為 LF 深度學(xué)習(xí)基金會(huì)首要?jiǎng)?chuàng)始成員及 Linux 基金會(huì)白金會(huì)員。作為騰訊“開(kāi)放”戰(zhàn)略在技術(shù)領(lǐng)域的體現(xiàn)，騰訊開(kāi)源將繼續(xù)對(duì)內(nèi)推動(dòng)技術(shù)研發(fā)向共享、復(fù)用和開(kāi)源邁進(jìn)，向外釋放騰訊研發(fā)實(shí)力，為國(guó)內(nèi)外開(kāi)源社區(qū)提供技術(shù)支持，注入研發(fā)活力。