科学家开发图像识别算法 其工作速度比同类算法快40%

HSE大学的一名科学家开发了一种图像识别算法，其工作速度比同类算法快40%。它可以加快视频图像识别系统的实时处理速度。该研究结果发表在《信息科学》杂志上。

卷积神经网络(CNNs)包括一系列卷积层，广泛应用于计算机视觉。网络中的每一层都有一个输入和一个输出。图像的数字描述进入第一层的输入，并在输出时转换为另一组数字。将结果作为下一层的输入，以此类推，直到最后一层预测出图像中对象的类标签。例如，这个类可以是一个人、一只猫或一把椅子。为此，CNN用一组已知类标签的图像进行训练。数据集中每一类图像的数量和可变性越大，训练出的网络就越准确。

如果训练集中只有几个例子，则使用神经网络的额外训练(微调)。CNN被训练从类似的数据集中识别图像，从而解决原始问题。例如，当一个神经网络学习识别人脸或他们的属性(情绪、性别、年龄)时，它就会被初步训练从照片中识别名人。然后，生成的神经网络将根据可用的小数据集进行微调，以在家庭视频监控系统中识别家庭或亲属的面孔。CNN的层数越多，它就越能准确地预测图像中物体的类型。但是，如果层数增加，则需要更多的时间来识别物体。

该研究的作者、下诺夫哥罗德HSE校区的安德烈·萨夫琴科教授在他的实验中能够加快预先训练的卷积神经网络的工作速度，该神经网络具有任意的结构，包括90-780层。结果是识别速度提高了40%，而准确性损失控制在不超过0.5-1%。科学家依赖于诸如顺序分析和多重比较(多重假设检验)等统计方法。

图像识别问题的决策是由分类器做出的——分类器是一种特殊的数学算法，它接收一组数字(图像的特征/嵌入)作为输入，并输出关于图像所属类别的预测。该分类器可以通过输入神经网络任意层的输出来应用。为了识别“简单”图像，分类器只需要分析来自神经网络第一层的数据(输出)。

如果我们已经对所作决定的可靠性有信心，就没有必要再浪费时间。对于“复杂”的图片，第一层显然是不够的，你需要转移到下一层。因此，将分类器加入到神经网络的中间层中。根据输入图像的复杂度，提出的算法决定是继续识别还是完成识别。因为在这样的过程中控制错误很重要，所以我应用了多重比较理论:我引入了许多假设，在中间层停止，然后依次测试这些假设。Savchenko教授解释说。

如果第一个分类器已经产生了一个被多个假设检验程序认为是可靠的决策，算法就会停止。如果判定判定不可靠，则神经网络的计算继续进行到中间层，并重复进行可靠性检查。

正如这位科学家所指出的，最精确的决策是由神经网络最后一层的输出获得的。早期的网络输出分类速度要快得多，这意味着必须同时训练所有的分类器，以加快识别速度，同时控制精度损失。例如，使由于早期停止而产生的误差不超过1%。

对图像识别来说，高精度一直是很重要的。例如，如果人脸识别系统的决策不正确，那么外部的人就可以访问机密信息，反之，由于神经网络不能正确识别用户，用户就会多次被拒绝访问。例如，在视频监控系统中，非常希望实时做出决定，即每帧不超过20-30毫秒。要在此时此地的视频帧中识别一个物体，在不丧失准确性的情况下快速行动是非常重要的。萨夫琴科教授说。