Чи є клас особи в ImageNet? Чи є заняття, пов’язані з людиною?

Якщо я перегляну одне з багатьох джерел для класів Imagenet в Інтернеті, я не можу знайти жодного класу, пов’язаного з людьми (і ні, жнивець - це не той, хто збирає урожай, але це те, що я знав, як тато довгі ноги, такий собі павук :-). Як це можливо? Я б, по крайней мере , очікував personклас, і навіть що - то більш конкретно , такі як man, woman, toddlerі т.д. Нічого подібного. Чому? Чи зробили Фей-Фей Лі та її команда свідомий вибір не мати зображень людей у базі даних? Я дивлюся на неправильний файл? Заради питання ми можемо розглянути ImageNetверсії з 2014 року.

— DeltaIV
джерело

Відповіді:

Ви також можете поглянути тут на мітки в imagenet. Напевно, ви праві, в наборі даних немає етикетки для людини, але є що помітити. У imagenet є ярлики, такі як ковбой чи певні шапки та інші речі, пов'язані з людьми, такі як сорочка та футболка. Ви можете подивитися тут, а також тут. В останньому посиланні Йосінський та ін намагалися показати, що популярний AlexNet навчився розпізнавати людські обличчя, хоча в наборі даних із мережею зображень немає мітки як людського обличчя. У своїй роботі вони дослідили, що нейромережі, що розвиваються, можуть намагатися дізнатись речі, які розподіляються між шарами, а можуть і ні, і вони можуть не мати спеціальних міток у навчальних даних. Як приклад можна навести обличчя котів і людей. Більше того, як ви бачите тут, можливо, метою було приписувати навчання в масштабних наборах даних , як це цитується в останньому рядку сторінки, як посилання.

— ЗМІ
джерело

Мені подобається відповідь, але я не розумію вашого останнього речення. Що ви маєте на увазі під атрибутивним навчанням, чим він відрізняється (якщо він відрізняється) від класифікації зображень і як це пов’язано з моїм запитанням (чи є personкласи в ImageNet)?

— DeltaIV

@DeltaIV Я мав на увазі в останньому посиланні, яке я надав, є посилання, яке в цій роботі вони обговорюють це питання. Те, що я сказав, було як навчання облич, які не є етикетками, але вони потрібні, щоб зрозуміти футболки.

— Медіа

Гаразд, сімейні мережі вивчають функції, схожі на обличчя, оскільки вони допомагають розпізнавати (або розрізняти) мітки. Так, я начебто цього очікував. Спасибі

— DeltaIV

@DeltaIV Я думаю, це, можливо, те, що ми називаємо навчанням

— Медіа

Я думаю, що навчання нейронних мереж має дуже мало спільного з процесом навчання людини. Дивіться ці галюцинації . Знову ж таки, та сама ідея, що ці оптимізовані зображення повинні показувати те, про що дізналися Нейронні мережі, глибоко хибна і ґрунтується на нерозумінні того, що таке об'ємний розподіл ймовірностей. Тема дуже делікатна: моє запитання було набагато елементарніше.

— DeltaIV

Я виявив, що клас 7846 (name = "n00007846") призначений для людини. Щоб отримати доступ до опису класу, прочитайте http://image-net.org/download-API . Ще краще, що наступні текстові файли містять усе, що вам потрібно, щоб зрозуміти класи в наборі даних ImageNet (class = WordNet ID):

http://image-net.org/archive/words.txt карта між ідентифікатором WordNet та словами для всіх синсетів
http://image-net.org/archive/gloss.txt : карта між ідентифікатором WordNet та глосами для всіх синсетів

n00007846 відображає людину, особу, когось, когось, смертного, душу . Відповідний блиск: людина; "для однієї людини було занадто багато" .

— user47506
джерело

Не могли б ви зв’язатись із джерелом? Це було б корисно для інших користувачів.

— Ілля Стреле

Моделі Imagenet, здається, недостатньо ефективні для людей різного походження. За моїми даними, є люди в бігових нарядах, і вони здебільшого ідентифікуються як м'ячі для регбі та волейболу.

— levesque

Ви можете перевірити це: http://www.image-net.org/about-stats

Особа як великі категорії та підкатегорії. Також надається загальна кількість зображень з особами.

— Бенджамін
джерело