فناوری یادگیری ماشین همیشه با عملکردهای بزرگ همراه نیست. اغلب، اینها ترفندهای کوچکی هستند که با دقت و کمی نتیجه را تحت تأثیر قرار می دهند. به عنوان مثال، با استفاده از Twitter شبکه های عصبی به شما این امکان را می دهد که به طور خودکار جالب ترین قسمت عکس را برای پیش نمایش انتخاب کنید.
این شرکت مدتی است که روی این ابزار کار می کند، اما روش های آن را به تفصیل شرح داده است وبلاگ همین دیروز ML Lucas Theis و برچسب ML Zehan Wang توضیح میدهند که چگونه شروع به استفاده از تشخیص چهره برای برش پسزمینه کردند، اما متوجه شدند که این روش برای تصاویر مناظر، اشیاء و مهمتر از همه، بچههای مورد علاقه شما کار نمیکند.
راه حل «هرس با استفاده از اهمیت» بود. برای تعیین این پارامتر، توسعه دهندگان از داده های مطالعات آکادمیک در مورد کار چشم ها استفاده کردند که ثبت می کند افراد در ابتدا به کدام قسمت از تصاویر نگاه می کنند.
"این داده ها را می توان برای آموزش شبکه های عصبی و سایر الگوریتم ها برای پیش بینی آنچه که مردم ممکن است بخواهند تماشا کنند استفاده شود."
تیس و وانگ
هنگامی که توسعه دهندگان شبکه عصبی را برای شناسایی این مناطق آموزش دادند، باید آن را برای کار در زمان واقعی در سایت بهینه کنند. خوشبختانه برای آنها، منطقه برش مورد نیاز برای پیش نمایش عکس ها به اندازه کافی گسترده است - شما فقط تصویر را باریک می کنید. این به این معنی است که Twitter می تواند معیارهای ارزیابی شده توسط شبکه عصبی را با استفاده از تکنیکی به نام تقطیر دانش کاهش و ساده کند.
نتیجه نهایی یک شبکه عصبی بود که ده برابر سریعتر از اصلی خود است. Theis و Wang می نویسند: "این به ما امکان می دهد تشخیص برجسته بودن اشیا را روی همه تصاویر انجام دهیم، به محض اینکه آنها بارگذاری شدند، جالب ترین قسمت عکس را در زمان واقعی انتخاب می کنیم."
این ویژگی جدید اکنون برای تمامی رایانه های شخصی، iOS و Android- برنامه های کاربردی. بنابراین دفعه بعد عکس جالبی را در آن می بینید Twitter، به یاد داشته باشید که این نیز نتیجه یک شبکه عصبی است.
منبع: در آستانه