Технологијата за машинско учење не е секогаш поврзана со големи функции. Често, ова се мали трикови кои многу внимателно и малку влијаат на резултатот. На пример, користејќи Twitter невронските мрежи ви овозможуваат автоматски да го изберете најинтересниот дел од фотографијата за преглед.
Компанијата работи на оваа алатка веќе некое време, но ги детализираше нејзините методи блог само вчера ML Lucas Theis и етикетата ML Zehan Wang објаснуваат како почнале да користат откривање лице за сечење позадини, само за да увидат дека методот не функционира за слики од пејзажи, предмети и што е најважно, вашите омилени мачиња.
Решението беше „кратење со користење на значење“. За да го одредат овој параметар, програмерите користеле податоци од академски студии за работата на очите, кои запишуваат кои области на слики ги гледаат луѓето прво.
„ОВИЕ ПОДАТОЦИ МОЖЕ ДА СЕ КОРИСТАТ ЗА ОБУКА НА НЕВРОЛНИ МРЕЖИ И ДРУГИ АЛГОРИТМИ ЗА ПРЕДВИДУВАЊЕ ШТО ЛУЃЕТО МОЖЕ ДА САКААТ ДА ГЛЕДААТ“
ТЕИС И ВАНГ
Откако програмерите ја обучија невронската мрежа да ги идентификува овие области, требаше да ја оптимизираат за да работи во реално време на локацијата. За нивна среќа, областа за сечење потребна за преглед на фотографиите е доволно широка - само ја стеснувате сликата. Ова значи дека Twitter може да ги намали и поедностави критериумите што ги оценува невронската мрежа користејќи техника наречена дестилација на знаење.
Крајниот резултат беше невронска мрежа која е десет пати побрза од нејзината оригинална. „Ова ни овозможува да извршиме откривање на истакнатоста на објектите на сите слики, штом ќе се вчитаат, ќе го избереме најинтересниот дел од фотографијата во реално време“, пишуваат Теис и Ванг.
Новата функција сега е достапна за сите компјутери, iOS и Android- апликации. Затоа, следниот пат кога ќе видите интересна фотографија во Twitter, запомнете дека и ова е резултат на невронска мрежа.
Џерело: Работ