Maskinlæringsteknologi er ikke alltid forbundet med store funksjoner. Ofte er dette små triks som veldig nøye og litt påvirker resultatet. For eksempel ved å bruke Twitter nevrale nettverk lar deg automatisk velge den mest interessante delen av bildet for forhåndsvisning.
Selskapet har jobbet med dette verktøyet i noen tid, men detaljert metodene i blog bare i går ML Lucas Theis og etiketten ML Zehan Wang forklarer hvordan de begynte å bruke ansiktsgjenkjenning for å beskjære bakgrunner, bare for å finne ut at metoden ikke fungerte for bilder av landskap, objekter og viktigst av alt, favorittpusene dine.
Løsningen ble «beskjæring med betydning». For å bestemme denne parameteren brukte utviklerne data fra akademiske studier om øyets arbeid, som registrerer hvilke områder av bilder folk ser på først.
"DISSE DATA KAN BRUKES TIL Å TRENE NEVRALE NETTVERK OG ANDRE ALGORITMMER FOR Å FORutsi HVA FOLK KAN ØNSKE Å SE"
THEIS OG WANG
Når utviklerne trente det nevrale nettverket til å identifisere disse områdene, måtte de optimalisere det for å fungere i sanntid på nettstedet. Heldigvis for dem er beskjæringsområdet som trengs for å forhåndsvise bilder bredt nok – du begrenser bare bildet. Dette betyr at Twitter kan redusere og forenkle kriteriene som vurderes av det nevrale nettverket ved hjelp av en teknikk som kalles kunnskapsdestillasjon.
Sluttresultatet var et nevralt nettverk som er ti ganger raskere enn det opprinnelige. "Dette lar oss utføre gjenkjenning av gjenstander på alle bilder, så snart de er lastet inn, vil vi velge den mest interessante delen av bildet i sanntid," skriver Theis og Wang.
Den nye funksjonen er nå tilgjengelig for alle PC-er, iOS og Android- applikasjoner. Derfor, neste gang du ser et interessant bilde i Twitter, husk at dette også er resultatet av et nevralt nettverk.
Dzherelo: Randen