Maskininlärningsteknik är inte alltid förknippad med stora funktioner. Ofta är det små knep som väldigt noggrant och lite påverkar resultatet. Till exempel att använda Twitter neurala nätverk låter dig automatiskt välja den mest intressanta delen av fotot för förhandsgranskning.
Företaget har arbetat med detta verktyg under en tid, men detaljerade sina metoder i blogg bara igår ML Lucas Theis och etiketten ML Zehan Wang förklarar hur de började använda ansiktsigenkänning för att beskära bakgrunder, bara för att finna att metoden inte fungerade för bilder av landskap, föremål och viktigast av allt, dina favoritkattungar.
Lösningen var "beskärning med betydelse". För att bestämma denna parameter använde utvecklarna data från akademiska studier om ögonens arbete, som registrerar vilka områden av bilder som folk tittar på först.
"DEN HÄR DATA KAN ANVÄNDAS FÖR ATT TRÄNA NEURALA NÄTVERK OCH ANDRA ALGORITIMER FÖR ATT FÖRUTSEGGA VAD FOLK KAN VILL SE"
THEIS OCH WANG
När väl utvecklarna tränade det neurala nätverket för att identifiera dessa områden behövde de optimera det för att fungera i realtid på webbplatsen. Lyckligtvis för dem är beskärningsområdet som behövs för att förhandsgranska foton tillräckligt stort – du begränsar bara bilden. Detta innebär att Twitter kan minska och förenkla de kriterier som utvärderas av det neurala nätverket med hjälp av en teknik som kallas kunskapsdestillation.
Slutresultatet blev ett neuralt nätverk som är tio gånger snabbare än sitt ursprungliga. "Detta gör att vi kan utföra objektsavkänning på alla bilder, så snart de laddas kommer vi att välja den mest intressanta delen av fotot i realtid", skriver Theis och Wang.
Den nya funktionen är nu tillgänglig för alla PC, iOS och Android- applikationer. Därför, nästa gång du ser ett intressant foto in Twitter, kom ihåg att detta också är resultatet av det neurala nätverket.
Källa: Gränsen