機械学習テクノロジは、常に大規模な関数に関連付けられているわけではありません。 多くの場合、これらは非常に注意深く、わずかに結果に影響を与える小さなトリックです。 たとえば、 Twitter ニューラル ネットワークを使用すると、写真の最も興味深い部分をプレビュー用に自動的に選択できます。
同社はしばらくの間このツールに取り組んできましたが、その方法の詳細は ブログ ちょうど昨日ML Lucas Theis とレーベル ML Zehan Wang は、顔検出を使用して背景をトリミングし始めた経緯を説明していますが、その方法が風景、オブジェクト、そして最も重要なお気に入りの子猫の画像では機能しないことがわかりました.
解決策は「重要性を使用した剪定」でした。 このパラメーターを決定するために、開発者は、人々が最初に画像のどの領域を見るかを記録する、目の働きに関する学術研究のデータを使用しました。
「このデータは、人々が見たいと思うものを予測するために、ニューラル ネットワークやその他のアルゴリズムをトレーニングするために使用できます。」
THEIS と WANG
開発者がニューラル ネットワークをトレーニングしてこれらの領域を特定したら、サイトでリアルタイムに動作するように最適化する必要がありました。 彼らにとって幸いなことに、写真をプレビューするために必要なトリミング領域は十分に広く、画像を絞り込んでいるだけです。 この意味は Twitter 知識の蒸留と呼ばれる手法を使用して、ニューラル ネットワークによって評価される基準を削減および簡素化できます。
最終結果は、オリジナルよりも 倍高速なニューラル ネットワークでした。 Theis 氏と Wang 氏は次のように書いています。
この新機能は、すべての PC、iOS、および Android- アプリケーション。したがって、次に興味深い写真を見たときは、 Twitter、これもニューラル ネットワークの結果であることを思い出してください。
出典： ベルジェ