我们在2019年的计算机视觉系统偏差研究中使用了「Dollar Street数据集」,对SEER进行测试。SEER给出的结果令人兴奋,自监督学习让人工智能更好地为世界各地的人服务。Dollar Street数据集——世界不同国家和地区不同收入的家庭 例如下面这张来自尼泊尔一个家庭的图,SEER的识别结果是:调料、药、碗、水果、社交饮酒监督学习模型的识别结果是:清洗设备、厨房洗涤盆、展示物品、碗、水果、炊具、锅所以,SEER正确地识别了图片中的物体,而传统的系统则没有。图源:Facebook AI Blog下面这张图来自一个中国家庭,SEER的识别结果是:炊具、炉子、锅、工具监督学习模型的识别结果是:前门上的锁、电源开关、炊具、挂钟、炉灶所以,SEER 正确地识别出了一个炉子,而传统的训练系统却没有。图源:Facebook AI Blog下面这张照片显示了印度的一条小街道。SEER的识别结果是:自行车、街景、垃圾、菜地监督学习模型的识别结果是:水果树、家、自行车、宠物、房顶图源:Facebook AI Blog