Maskinlæringsteknologi er ikke altid forbundet med store funktioner. Ofte er der tale om små tricks, der meget omhyggeligt og lidt påvirker resultatet. For eksempel ved at bruge Twitter neurale netværk giver dig mulighed for automatisk at vælge den mest interessante del af billedet til forhåndsvisning.
Virksomheden har arbejdet på dette værktøj i nogen tid, men detaljerede dets metoder i blog lige i går ML Lucas Theis og etiketten ML Zehan Wang forklarer, hvordan de begyndte at bruge ansigtsgenkendelse til at beskære baggrunde, blot for at finde ud af, at metoden ikke fungerede til billeder af landskaber, objekter og vigtigst af alt, dine yndlingskillinger.
Løsningen var "beskæring med betydning". For at bestemme denne parameter brugte udviklerne data fra akademiske undersøgelser om øjets arbejde, som registrerer, hvilke områder af billeder folk ser på først.
"DISSE DATA KAN BRUGES TIL AT TRÆNE NEURALE NETVÆRK OG ANDRE ALGORITHMER TIL AT FORUDSEGGE HVAD FOLK MÅSKE VIL SE"
THEIS OG WANG
Da udviklerne først trænede det neurale netværk til at identificere disse områder, var de nødt til at optimere det til at fungere i realtid på webstedet. Heldigvis for dem er beskæringsområdet, der er nødvendigt for at få vist billeder, bredt nok – du indsnævrer bare billedet. Det betyder at Twitter kan reducere og forenkle kriterierne vurderet af det neurale netværk ved hjælp af en teknik kaldet vidensdestillation.
Slutresultatet var et neuralt netværk, der er ti gange hurtigere end dets oprindelige. "Dette giver os mulighed for at udføre genstandsdetektion på alle billeder, så snart de er indlæst, vil vi vælge den mest interessante del af billedet i realtid," skriver Theis og Wang.
Den nye funktion er nu tilgængelig for alle pc'er, iOS og Android- applikationer. Derfor, næste gang du ser et interessant foto i Twitter, husk at dette også er resultatet af et neuralt netværk.
Kilde: The Verge