области информатики приобрело весьма вольный характер. Например, нередко говорят о «текстовой модальности» [text modality], но ведь у человека отсутствуют специальные сенсоры для восприятия текста — мы воспринимаем текст опосредованно, например через зрительную или слуховую систему. Фактически в данном случае термин «модальность» смешивается со способом представления данных [data representation]. Кроме того, очевидно, что машины вовсе не обязаны иметь тот же набор сенсорных систем, что и люди. Увы, связанная с этим путаница в наши дни приобрела уже всеобщий масштаб, и фарш уже вряд ли получится прокрутить в обратном направлении. Но, быть может, ещё не поздно при необходимости использовать для различения смешавшихся понятий составные термины, например «сенсорная модальность» и «модальность представления» [representation modality].

1818

Portes Q., Carvalho J. M., Pinquier J., Lerasle F. (2021). Multimodal Neural Network for Sentiment Analysis in Embedded Systems // https://www.scitepress.org/Papers/2021/102247/102247.pdf

1819

Baltrušaitis T., Ahuja C., Morency L.-P. (2018). Multimodal Machine Learning: A Survey and Taxonomy // https://arxiv.org/abs/1705.09406

1820

From not working to neural networking: The artificial-intelligence boom is based on an old idea, but with a modern twist (2016) / The Economist // https://www.economist.com/special-report/2016/06/23/from-not-working-to-neural-networking

1821

Sánchez J., Perronnin F., Mensink T. (2010). Improved Fisher Vector for Large Scale Image Classification XRCE's participation for ILSVRC // http://image-net.org/challenges/LSVRC/2010/ILSVRC2010_XRCE.pdf

1822

Lin Y., Lv F., Zhu S., Yang M., Cour T., Yu K., Cao L., Li Z., Tsai M., Zhou X., Huang T., Zhang T. (2010). ImageNet classification: fast descriptor coding and large-scale SVM training // http://image-net.org/challenges/LSVRC/2010/ILSVRC2010_NEC-UIUC.pdf

1823

Perronnin F., Sánchez J. (2011). XRCE@ILSVRC2011: Compressed Fisher vectors for LSVR // http://image-net.org/challenges/LSVRC/2011/ilsvrc11.pdf

1824

Jessi H. (2018). Fei-Fei Li's Quest To Make Ai Better For Humanity / Wired, 11.13.2018 // https://www.wired.com/story/fei-fei-li-artificial-intelligence-humanity/

1825

* На самом деле в официальном архиве датасета, выложенном на сайте Caltech, наличествуют 102 папки вместо 101. По всей видимости, «безбилетником» стала папка BACKGROUND_Google, содержащая довольно странный набор изображений, начиная от карты путешествий генерала Ферье по Персии и Афганистану размером 3481 × 2955 пикселей и заканчивая красноречивой карикатурой, на которой изображён человек со спущенными штанами, демонстрирующий зрителям свой голый зад; сей шедевр сопровождается подписью «C:». Вероятно, в набор просто попала папка с персональной свалкой картинок кого-то из создателей датасета. Желаю удачи цифровым археологам будущего в её исследовании.

1826

Fei-Fei L., Fergus R., Perona P. The Caltech 101 // http://www.vision.caltech.edu/Image_Datasets/Caltech101/

1827

Griffin G., Holub A. D., Perona P. The Caltech 256 // http://www.vision.caltech.edu/Image_Datasets/Caltech256/

1828

Ponce J., Berg T. L., Everingham M., Forsyth D. A., Hebert M., Lazebnik S., Marszalek M., Schmid C., Russell B. C., Torralba A., Williams C. K. I., Zhang J., Zisserman A. (2006). Dataset Issues in Object Recognition / Ponce J., Hebert M., Schmid C., Zisserman A. (2006). Toward Category-Level Object Recognition. Lecture Notes in Computer Science, Vol. 4170. Springer, Berlin, Heidelberg // https://doi.org/10.1007/11957959_2

1829

* Словарь, в котором указаны семантические отношения (синонимы, антонимы и т. д.) между лексическими единицами.

1830

RussNet: WordNet for Russian (2005) // http://project.phil.spbu.ru/RussNet/index.shtml

1831

Braslavski P., Ustalov D., Mukhin M., Kiselev Y. (2016). YARN: Spinning-in-Progress / Proceedings of the Eight Global Wordnet Conference, — Bucharest, Romania, 2016 — pp. 58—65 // https://russianword.net/

1832

Липатов А., Гончарук А., Гельфенбейн И., Шило В., Лехельт В. Русский Wordnet // http://wordnet.ru/

1833

Loukachevitch N. V., Lashevich G., Gerasimova A. A., Ivanov V. V., Dobrov B. V. (2016). Creating Russian WordNet by Conversion. / Proceedings of Conference on Computational linguistics and Intellectual technologies Dialog-2016, pp. 405-415

1834

Лашевич Г. (2021). Тезаурус русского языка RuWordNet // https://www.ruwordnet.ru

1835

Zisserman A., Winn J., Fitzgibbon A., Gool L. V., Sivic J., Williams C., Hogg D. (2012). In Memoriam: Mark Everingham / IEEE Transactions on pattern analysis and machine intelligence, Vol. 34, No. 11, November 2012 // https://doi.org/10.1109/TPAMI.2012.204

1836

* Команда SuperVision отправляла ещё одну версию сети, при обучении которой к обучающей выборке были добавлены изображения с прошлогодних соревнований, и эта модель смогла «выгадать» ещё чуть более процентного пункта, сократив ошибку до 15,32%, но поскольку некоторые исследователи считают это не совсем честным трюком, то в прессе часто приводят первое значение.

1837

Russakovsky O., Deng J., Su H., Krause J., Satheesh S., Ma S., Huang Z., Karpathy A., Khosla A., Bernstein M., Berg A. C., Fei-Fei L. (2015). ImageNet Large Scale Visual Recognition Challenge / International Journal of Computer Vision, Vol. 115, pp. 211–252 // https://doi.org/10.1007/s11263-015-0816-y

1838

Deng J., Berg A., Satheesh S., Su H., Khosla A., Fei-Fei L. (2012). Large Scale Visual Recognition Challenge 2012 (ILSVRC2012). Held in conjunction with PASCAL Visual Object Classes Challenge 2012 (VOC2012) // http://image-net.org/challenges/LSVRC/2012/index

1839

Gershgorn D. (2018). Rise of AlexNet: The inside story of how AI got good enough to dominate Silicon Valley / QUARTZ, June 18, 2018 // https://qz.com/1307091/the-inside-story-of-how-ai-got-good-enough-to-dominate-silicon-valley/

1840

Krizhevsky A. (2009). Learning Multiple Layers of Features from Tiny Images // https://www.cs.toronto.edu/~kriz/learning-features-2009-TR.pdf

1841

Torralba A., Fergus R., Freeman W. T. (2008). 80 million tiny images: a large data set for nonparametric object and scene recognition / IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 30, Iss. 11, pp. 1958—1970 // https://doi.org/10.1109/TPAMI.2008.128

1842

Prabhu V. U., Birhane A. (2020). Large image datasets: A pyrrhic win for computer vision? // https://arxiv.org/abs/2006.16923

1843

Torralba A., Fergus R., Freeman B. (2020). June 29th, 2020 // https://groups.csail.mit.edu/vision/TinyImages/

1844

Ustik