Tehnologija strojnog učenja nije uvijek povezana s velikim funkcijama. Često su to mali trikovi koji vrlo pažljivo i malo utječu na rezultat. Na primjer, koristeći Twitter neuronske mreže omogućuju automatski odabir najzanimljivijeg dijela fotografije za pregled.
Tvrtka već neko vrijeme radi na ovom alatu, ali detaljno opisuje svoje metode blog baš jučer ML Lucas Theis i izdavačka kuća ML Zehan Wang objašnjavaju kako su počeli koristiti prepoznavanje lica za obrezivanje pozadina, samo da bi otkrili da metoda ne funkcionira za slike krajolika, objekata i, što je najvažnije, vaših omiljenih mačića.
Rješenje je bilo "obrezivanje korištenjem značaja". Kako bi odredili ovaj parametar, programeri su koristili podatke iz akademskih studija o radu očiju, koji bilježe koja područja slika ljudi prvo gledaju.
"OVI PODACI SE MOGU KORISTITI ZA OBUKU NEURONSKIH MREŽA I DRUGIH ALGORITAMA ZA PREDVIĐANJE ŠTO LJUDI MOGU ŽELJETI GLEDATI"
THEIS I WANG
Nakon što su programeri istrenirali neuronsku mrežu da identificira ta područja, morali su je optimizirati za rad u stvarnom vremenu na web mjestu. Na njihovu sreću, područje izrezivanja potrebno za pregled fotografija dovoljno je široko – samo sužavate sliku. Ovo znači to Twitter može smanjiti i pojednostaviti kriterije koje procjenjuje neuronska mreža koristeći tehniku koja se zove destilacija znanja.
Krajnji rezultat bila je neuronska mreža koja je deset puta brža od svoje originalne. "Ovo nam omogućuje da izvedemo otkrivanje istaknutosti objekta na svim slikama, čim se učitaju, odabrat ćemo najzanimljiviji dio fotografije u stvarnom vremenu", pišu Theis i Wang.
Nova značajka sada je dostupna za sva računala, iOS i Android- aplikacije. Stoga, sljedeći put kad vidite zanimljivu fotografiju u Twitter, zapamtite da je to također rezultat neuronske mreže.
Dzherelo: Rubu