Η τεχνολογία μηχανικής εκμάθησης δεν συνδέεται πάντα με μεγάλες λειτουργίες. Συχνά, πρόκειται για μικρά κόλπα που επηρεάζουν πολύ προσεκτικά και ελαφρώς το αποτέλεσμα. Για παράδειγμα, χρησιμοποιώντας Twitter Τα νευρωνικά δίκτυα σάς επιτρέπουν να επιλέξετε αυτόματα το πιο ενδιαφέρον μέρος της φωτογραφίας για προεπισκόπηση.
Η εταιρεία εργάζεται σε αυτό το εργαλείο εδώ και αρκετό καιρό, αλλά λεπτομερώς τις μεθόδους του blog μόλις χθες Ο ML Lucas Theis και η ετικέτα ML Zehan Wang εξηγούν πώς άρχισαν να χρησιμοποιούν την ανίχνευση προσώπου για να περικόψουν φόντο, μόνο για να διαπιστώσουν ότι η μέθοδος δεν λειτούργησε για εικόνες τοπίων, αντικειμένων και το πιο σημαντικό, τα αγαπημένα σας γατάκια.
Η λύση ήταν «κλάδεμα με χρήση σημασίας». Για να προσδιορίσουν αυτήν την παράμετρο, οι προγραμματιστές χρησιμοποίησαν δεδομένα από ακαδημαϊκές μελέτες για την εργασία των ματιών, οι οποίες καταγράφουν ποιες περιοχές εικόνων κοιτάζουν αρχικά οι άνθρωποι.
"ΑΥΤΑ ΤΑ ΔΕΔΟΜΕΝΑ ΜΠΟΡΟΥΝ ΝΑ ΧΡΗΣΙΜΟΠΟΙΗΣΟΥΝ ΓΙΑ ΤΗΝ ΕΚΠΑΙΔΕΥΣΗ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΑΛΛΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΓΙΑ ΝΑ ΠΡΟΒΛΕΨΟΥΝ ΤΙ ΘΕΛΟΥΝ ΝΑ ΠΑΡΑΚΟΛΟΥΘΟΥΝ ΟΙ ΑΝΘΡΩΠΟΙ"
THEIS ΚΑΙ WANG
Μόλις οι προγραμματιστές εκπαίδευσαν το νευρωνικό δίκτυο για τον εντοπισμό αυτών των περιοχών, χρειάστηκε να το βελτιστοποιήσουν ώστε να λειτουργεί σε πραγματικό χρόνο στον ιστότοπο. Ευτυχώς για αυτούς, η περιοχή περικοπής που απαιτείται για την προεπισκόπηση των φωτογραφιών είναι αρκετά ευρεία – απλώς περιορίζετε την εικόνα. Αυτό σημαίνει ότι Twitter μπορεί να μειώσει και να απλοποιήσει τα κριτήρια που αξιολογούνται από το νευρωνικό δίκτυο χρησιμοποιώντας μια τεχνική που ονομάζεται απόσταξη γνώσης.
Το τελικό αποτέλεσμα ήταν ένα νευρωνικό δίκτυο που είναι δέκα φορές ταχύτερο από το αρχικό του. "Αυτό μας επιτρέπει να πραγματοποιούμε ανίχνευση προεξοχής αντικειμένων σε όλες τις εικόνες, μόλις φορτωθούν, θα επιλέξουμε το πιο ενδιαφέρον μέρος της φωτογραφίας σε πραγματικό χρόνο", γράφουν οι Theis και Wang.
Η νέα δυνατότητα είναι πλέον διαθέσιμη σε όλους τους υπολογιστές, iOS και Android- εφαρμογές. Επομένως, την επόμενη φορά που θα δείτε μια ενδιαφέρουσα φωτογραφία Twitter, θυμηθείτε ότι αυτό είναι επίσης το αποτέλεσμα ενός νευρωνικού δικτύου.
Πηγή: Η Verge