Комментарии 2
Выбрали написать об одной из миллиона моделей компьютерного зрения появляющихся каждый день, только потому что это же Фейсбук и их пресс-релизы благодаря мощной пиар машине (как и аналогичные от гугла) разлетелись по всему интернету и стали заметнее фонового шума, да? Можно было хотя бы ради приличия черкнуть на пару строчек, что же делает эту конкретную модель такой особенной, чем она отличается от остальных? 84% — это вообще много или мало? На чем конкретно удалось добиться таких показателей? В чём новость-то, короче?
Вообще то SOTA на Imagenet сейчас по top-1 90.2% см. paperswithcode.com/sota/image-classification-on-imagenet. Достигла такой точности модель EfficientNet-L2 с использованием подхода Meta Pseudo Labels. Или эта новость опоздала на несколько лет?
upd. из оригинального прес-релиза становится ясно что речь идет именно о self-supervised подходе, т.е. обучении без учителя. Именно это делает их достижения интересным.
Неплохо сразу ссылку на препринт давать arxiv.org/abs/2103.01988, а не только блог.
Главная проблема таких прес-релизов — воды больше чем полезной информации. Которая после пересказа/перевода почти улетучивается.
upd. из оригинального прес-релиза становится ясно что речь идет именно о self-supervised подходе, т.е. обучении без учителя. Именно это делает их достижения интересным.
Неплохо сразу ссылку на препринт давать arxiv.org/abs/2103.01988, а не только блог.
Главная проблема таких прес-релизов — воды больше чем полезной информации. Которая после пересказа/перевода почти улетучивается.
Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.
Модель машинного зрения SEER от Facebook достигает точности в 84,2 % в ImageNet