Vision par ordinateur sans transformers : le réseau de neurones TAPe atteint 74 % de précision

Les développeurs de TAPe, un réseau de neurones dédié à la vision par ordinateur, ont atteint un résultat intermédiaire : des embeddings entraînés sur des données entièrement synthétiques ont obtenu 74 % de précision sur le jeu de données COCO. Les auteurs concluent par ailleurs que les transformers standard sont devenus un goulot d'étranglement dans cette architecture.

Peut-on entraîner un réseau de neurones sur des données synthétiques ?

Oui. Les auteurs de TAPe ont montré que des embeddings entraînés exclusivement sur des données synthétiques atteignent 74 % de précision de classification sur COCO.

Comment les réseaux de neurones analysent-ils les images sans pixels bruts ?

TAPe travaille avec des éléments structurés de l'image et les relations qui les lient, au lieu de traiter directement les pixels, ce qui évite les goulots d'étranglement de l'architecture des transformers standard.

Comment fonctionne le réseau de neurones TAPe pour les images ?

TAPe entraîne le réseau sur des éléments structurés de l'image et les relations entre eux, plutôt que sur des pixels bruts. Les embeddings ont été entraînés sur des données entièrement synthétiques, ce qui a permis d'atteindre 74 % de précision de classification.

Peut-on entraîner un réseau de neurones uniquement sur des données

synthétiques ? Oui, comme l'a montré TAPe : des embeddings entraînés sur des données entièrement synthétiques ont atteint 74 % de précision de classification.