მანქანათმცოდნეობის ტექნოლოგია ყოველთვის არ არის დაკავშირებული დიდ ფუნქციებთან. ხშირად, ეს არის პატარა ხრიკები, რომლებიც ძალიან ფრთხილად და ოდნავ გავლენას ახდენს შედეგზე. მაგალითად, გამოყენებით Twitter ნეირონული ქსელები საშუალებას გაძლევთ ავტომატურად აირჩიოთ ფოტოს ყველაზე საინტერესო ნაწილი გადახედვისთვის.
კომპანია გარკვეული პერიოდის განმავლობაში მუშაობდა ამ ინსტრუმენტზე, მაგრამ დეტალურად აღწერს მის მეთოდებს ბლოგი მხოლოდ გუშინ ML Lucas Theis და ლეიბლი ML Zehan Wang განმარტავენ, თუ როგორ დაიწყეს სახის ამოცნობის გამოყენება ფონის მოსაჭრელად, მხოლოდ იმის გამო, რომ ეს მეთოდი არ მუშაობს პეიზაჟების, ობიექტების და რაც მთავარია, თქვენი საყვარელი კნუტების სურათებზე.
გამოსავალი იყო „გასხვლა მნიშვნელობის გამოყენებით“. ამ პარამეტრის დასადგენად, დეველოპერებმა გამოიყენეს აკადემიური კვლევების მონაცემები თვალების მუშაობაზე, რომლებიც აფიქსირებენ გამოსახულების რომელ უბნებს უყურებენ ადამიანები თავდაპირველად.
"ეს მონაცემები შეიძლება გამოვიყენოთ ნერვული ქსელების და სხვა ალგორითმების მოსამზადებლად, რათა წინასწარ განსაზღვროთ რისი ყურება შეიძლება სურდეს ადამიანებს."
თეისი და ვანგი
მას შემდეგ, რაც დეველოპერებმა მოამზადეს ნერვული ქსელი ამ ტერიტორიების იდენტიფიცირებისთვის, მათ დასჭირდათ მისი ოპტიმიზაცია საიტზე რეალურ დროში მუშაობისთვის. მათთვის საბედნიეროდ, ფოტოების გადახედვისთვის საჭირო მოსავლის არე საკმაოდ ფართოა – თქვენ უბრალოდ ავიწროებთ სურათს. Ეს ნიშნავს რომ Twitter შეუძლია შეამციროს და გაამარტივოს ნერვული ქსელის მიერ შეფასებული კრიტერიუმები ტექნიკის გამოყენებით, რომელსაც ეწოდება ცოდნის დისტილაცია.
საბოლოო შედეგი იყო ნერვული ქსელი, რომელიც ათჯერ უფრო სწრაფია, ვიდრე მისი ორიგინალი. „ეს საშუალებას გვაძლევს შევასრულოთ ობიექტების გამოვლენა ყველა სურათზე, როგორც კი ისინი ჩაიტვირთება, რეალურ დროში შევარჩევთ ფოტოს ყველაზე საინტერესო ნაწილს“, წერენ თეისი და ვანგი.
ახალი ფუნქცია უკვე ხელმისაწვდომია ყველა კომპიუტერისთვის, iOS-ისთვის და Android- აპლიკაციები. ამიტომ, შემდეგ ჯერზე ნახავთ საინტერესო ფოტოს Twitter, გახსოვდეთ, რომ ეს ასევე ნერვული ქსელის შედეგია.
ძერლო: ზღვარზე