今日，騰訊AI Lab宣布正式開源“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)目前同類深度學(xué)習(xí)模型中精度最高的深度殘差網(wǎng)絡(luò)ResNet-101構(gòu)成。

該項(xiàng)目的開源，是騰訊AI Lab在計(jì)算機(jī)視覺領(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。

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)多種常見物體類別，在業(yè)內(nèi)已公開的多標(biāo)簽圖像數(shù)據(jù)集中規(guī)模最大，足以滿足一般科研機(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)異的視覺表示能力和泛化性能，在當(dāng)前業(yè)內(nèi)同類模型中精度最高，將為包括圖像、視頻等在內(nèi)的視覺任務(wù)提供強(qiáng)大支撐，并助力圖像分類、物體檢測(cè)、物體跟蹤、語(yǔ)義分割等技術(shù)水平的提升。

本次正式開源，其主要內(nèi)容包括：

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

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、類別數(shù)量、類別的語(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。

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)視覺領(lǐng)域，包括圖像和視頻的分類、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)練得到的模型都沒有公開，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檻。

當(dāng)前業(yè)內(nèi)公開的最大規(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多物體類別。騰訊AI Lab此次開源的ML-Images數(shù)據(jù)集包括1800萬(wàn)圖像和1.1萬(wàn)多常見物體類別，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)異的視覺表示能力和泛化性能。通過遷移學(xué)習(xí)，該模型在ImageNet驗(yàn)證集上取得了80.73%的top-1分類精度，超過谷歌同類模型（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，以及希望通過基礎(chǔ)能力的開放促進(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。這些視覺遷移任務(wù)進(jìn)一步驗(yàn)證了該模型的強(qiáng)大視覺表示能力和優(yōu)異的泛化性能?！癟encent ML-Images”項(xiàng)目未來(lái)還將在更多視覺相關(guān)的產(chǎn)品中發(fā)揮重要作用。

自2016年騰訊首次在GitHub上發(fā)布開源項(xiàng)目（https://github.com/Tencent），目前已累積開源覆蓋人工智能、移動(dòng)開發(fā)、小程序等領(lǐng)域的57個(gè)項(xiàng)目。為進(jìn)一步貢獻(xiàn)開源社區(qū)，騰訊相繼加入Hyperledger、LF Networking和開放網(wǎng)絡(luò)基金會(huì)，并成為L(zhǎng)F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“開放”戰(zhàn)略在技術(shù)領(lǐng)域的體現(xiàn)，騰訊開源將繼續(xù)對(duì)內(nèi)推動(dòng)技術(shù)研發(fā)向共享、復(fù)用和開源邁進(jìn)，向外釋放騰訊研發(fā)實(shí)力，為國(guó)內(nèi)外開源社區(qū)提供技術(shù)支持，注入研發(fā)活力。