Die Technologie des maschinellen Lernens ist nicht immer mit großen Funktionen verbunden. Oft sind das kleine Tricks, die das Ergebnis sehr vorsichtig und leicht beeinflussen. Zum Beispiel mit Twitter Mit neuronalen Netzen können Sie automatisch den interessantesten Teil des Fotos für die Vorschau auswählen.
Das Unternehmen arbeitet seit einiger Zeit an diesem Tool, beschreibt seine Methoden jedoch in Blog gerade gestern ML Lucas Theis und das Label ML Zehan Wang erklären, wie sie anfingen, die Gesichtserkennung zum Zuschneiden von Hintergründen zu verwenden, nur um festzustellen, dass die Methode für Bilder von Landschaften, Objekten und vor allem Ihren Lieblingskätzchen nicht funktionierte.
Die Lösung lautete „Beschneidung mit Signifikanz“. Um diesen Parameter zu bestimmen, nutzten die Entwickler Daten aus wissenschaftlichen Studien zur Arbeit der Augen, die erfassen, auf welche Bereiche von Bildern Menschen zuerst schauen.
„DIESE DATEN KÖNNEN VERWENDET WERDEN, UM NEURONALE NETZWERKE UND ANDERE ALGORITHMEN ZU TRAINIEREN, UM VORHERZUNEHMEN, WAS PERSONEN SEHEN WOLLEN.“
THEIS UND WANG
Nachdem die Entwickler das neuronale Netzwerk darauf trainiert hatten, diese Bereiche zu identifizieren, mussten sie es optimieren, damit es in Echtzeit auf der Website funktioniert. Zum Glück ist der für die Vorschau von Fotos benötigte Zuschneidebereich breit genug – Sie grenzen das Bild nur ein. Das bedeutet, dass Twitter kann die vom neuronalen Netzwerk bewerteten Kriterien mithilfe einer Technik namens Wissensdestillation reduzieren und vereinfachen.
Das Endergebnis war ein neuronales Netzwerk, das zehnmal schneller ist als sein Original. „Dies ermöglicht uns, die Erkennung von Objektausprägungen bei allen Bildern durchzuführen, sobald sie geladen sind, werden wir den interessantesten Teil des Fotos in Echtzeit auswählen“, schreiben Theis und Wang.
Die neue Funktion ist jetzt für alle PC-, iOS- und iOS-Geräte verfügbar Android- Anwendungen. Daher sehen Sie das nächste Mal ein interessantes Foto in Twitter, denken Sie daran, dass dies auch das Ergebnis eines neuronalen Netzwerks ist.
Quelle: The Verge