ترجمه فارسی مقاله به سمت درک انعطاف پذیر با حافظه بصری

چکیده

Training a neural network is a monolithic endeavor, akin to carving knowledge into stone: once the process is completed, editing the knowledge in a network is nearly impossible, since all information is distributed across the network’s weights. We here explore a simple, compelling alternative by marrying the representational power of deep neural networks with the flexibility of a database. Decomposing the task of image classification into image similarity (from a pre-trained embedding) and search (via fast nearest neighbor retrieval from a knowledge database), we build a simple and flexible visual memory that has the following key capabilities: (1.) The ability to flexibly add data across scales: from individual samples all the way to entire classes and billion-scale data; (2.) The ability to remove data through unlearning and memory pruning; (3.) An interpretable decision-mechanism on which we can intervene to control its behavior. Taken together, these capabilities comprehensively demonstrate the benefits of an explicit visual memory. We hope that it might contribute to a conversation on how knowledge should be represented in deep vision models — beyond carving it in “stone” weights.

چکیده به فارسی (ترجمه ماشینی)

آموزش یک شبکه عصبی یک تلاش یکپارچه است ، شبیه به حک کردن دانش به سنگ: پس از اتمام روند ، ویرایش دانش در یک شبکه تقریباً غیرممکن است ، زیرا تمام اطلاعات در وزن شبکه توزیع می شود.ما در اینجا با ازدواج با قدرت بازنمایی شبکه های عصبی عمیق با انعطاف پذیری یک پایگاه داده ، یک جایگزین ساده و قانع کننده را کشف می کنیم.تجزیه وظیفه طبقه بندی تصویر به شباهت تصویر (از تعبیه از قبل آموزش دیده) و جستجو (از طریق نزدیکترین بازیابی همسایه از یک پایگاه داده دانش) ، ما یک حافظه بصری ساده و انعطاف پذیر می سازیم که دارای قابلیت های کلیدی زیر است: (1.)امکان افزودن انعطاف پذیر داده ها در مقیاس ها: از نمونه های فردی تا کل کلاس ها و داده های در مقیاس میلیارد.(2.) امکان حذف داده ها از طریق آراء و هرس حافظه.(3) یک مکانیزم تصمیم گیری قابل تفسیر که می توانیم برای کنترل رفتار آن مداخله کنیم.روی هم رفته ، این قابلیت ها به طور جامع مزایای یک حافظه صریح بصری را نشان می دهد.ما امیدواریم که ممکن است در گفتگو در مورد چگونگی نمایش دانش در مدل های دید عمیق – فراتر از حکاکی آن در وزنه های “سنگ” نقش داشته باشد.