今日，騰訊AI Lab宣布正式開源“Tencent ML-Images”項目，該項目由多標簽圖像數(shù)據(jù)集ML-Images，以及業(yè)內目前同類深度學習模型中精度最高的深度殘差網絡ResNet-101構成。

該項目的開源，是騰訊AI Lab在計算機視覺領域所累積的基礎能力的一次釋放，為人工智能領域的科研人員和工程師提供了充足的高質量訓練數(shù)據(jù)，及簡單易用、性能強大的深度學習模型，促進人工智能行業(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1800萬圖像和1.1萬多種常見物體類別，在業(yè)內已公開的多標簽圖像數(shù)據(jù)集中規(guī)模最大，足以滿足一般科研機構及中小企業(yè)的使用場景。此外，基于ML-Images訓練得到的深度殘差網絡ResNet-101，具有優(yōu)異的視覺表示能力和泛化性能，在當前業(yè)內同類模型中精度最高，將為包括圖像、視頻等在內的視覺任務提供強大支撐，并助力圖像分類、物體檢測、物體跟蹤、語義分割等技術水平的提升。

本次正式開源，其主要內容包括：

ML-Images數(shù)據(jù)集的全部圖像URLs,以及相應的類別標注。因原始圖像版權問題，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)集的詳細介紹。包括圖像來源、圖像數(shù)量、類別數(shù)量、類別的語義標簽體系、標注方法，以及圖像的標注數(shù)量等統(tǒng)計量。

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處理，到基于ML-Images的預訓練和基于ImageNet的遷移學習，再到基于訓練所得模型的圖像特征提取的完整流程。項目提供了基于小數(shù)據(jù)集的訓練示例，以方便用戶快速體驗該訓練流程。項目還提供了具有極高精度的ResNet-101模型(在單標簽基準數(shù)據(jù)集ImageNet的驗證集上的top-1精度為80.73%)。用戶可根據(jù)自身需求，隨意選用該項目的代碼或模型。

以深度神經網絡為典型代表的深度學習技術已經在很多領域充分展現(xiàn)出其優(yōu)異的能力，尤其是計算機視覺領域，包括圖像和視頻的分類、理解和生成等重要任務。然而，要充分發(fā)揮出深度學習的視覺表示能力，必須建立在充足的高質量訓練數(shù)據(jù)、優(yōu)秀的模型結構和模型訓練方法，以及強大的的計算資源等基礎能力之上。

各大科技公司都非常重視人工智能基礎能力的建設，都建立了僅面向其內部的大型圖像數(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)集及其訓練得到的模型都沒有公開，對于一般的科研機構和中小企業(yè)來說，這些人工智能基礎能力有著非常高的門檻。

當前業(yè)內公開的最大規(guī)模的多標簽圖像數(shù)據(jù)集是谷歌公司的Open Images, 包含900萬圖像和6000多物體類別。騰訊AI Lab此次開源的ML-Images數(shù)據(jù)集包括1800萬圖像和1.1萬多常見物體類別，或將成為新的行業(yè)基準數(shù)據(jù)集。

此外，基于ML-Images訓練得到的ResNet-101模型，具有優(yōu)異的視覺表示能力和泛化性能。通過遷移學習，該模型在ImageNet驗證集上取得了80.73%的top-1分類精度，超過谷歌同類模型（遷移學習模式）的精度，且值得注意的是，ML-Images的規(guī)模僅為JFT-300M的約1/17。這充分說明了ML-Images的高質量和訓練方法的有效性。詳細對比如下表。

注：微軟ResNet-101模型為非遷移學習模式下訓練得到，即1.2M預訓練圖像為原始數(shù)據(jù)集ImageNet的圖像。

騰訊AI Lab此次開源的“Tencent ML-Images”項目，展現(xiàn)了騰訊在人工智能基礎能力建設方面的努力，以及希望通過基礎能力的開放促進行業(yè)共同發(fā)展的愿景。

“Tencent ML-Images”項目的深度學習模型，目前已在騰訊多項業(yè)務中發(fā)揮重要作用，如“天天快報”的圖像質量評價與推薦功能，其后臺測試的日調用量已達1000萬次。

如下圖所示，天天快報新聞封面圖像的質量得到明顯提高。

左圖為優(yōu)化前，右圖為優(yōu)化后

此外，騰訊AI Lab團隊還將基于Tencent ML-Images的ResNet-101模型遷移到很多其他視覺任務，包括圖像物體檢測，圖像語義分割，視頻物體分割，視頻物體跟蹤等。這些視覺遷移任務進一步驗證了該模型的強大視覺表示能力和優(yōu)異的泛化性能?！癟encent ML-Images”項目未來還將在更多視覺相關的產品中發(fā)揮重要作用。

自2016年騰訊首次在GitHub上發(fā)布開源項目（https://github.com/Tencent），目前已累積開源覆蓋人工智能、移動開發(fā)、小程序等領域的57個項目。為進一步貢獻開源社區(qū)，騰訊相繼加入Hyperledger、LF Networking和開放網絡基金會，并成為LF深度學習基金會首要創(chuàng)始成員及Linux基金會白金會員。作為騰訊“開放”戰(zhàn)略在技術領域的體現(xiàn)，騰訊開源將繼續(xù)對內推動技術研發(fā)向共享、復用和開源邁進，向外釋放騰訊研發(fā)實力，為國內外開源社區(qū)提供技術支持，注入研發(fā)活力。