เทคโนโลยีแมชชีนเลิร์นนิงไม่ได้เกี่ยวข้องกับฟังก์ชันขนาดใหญ่เสมอไป บ่อยครั้งที่สิ่งเหล่านี้เป็นเทคนิคเล็ก ๆ ที่ส่งผลต่อผลลัพธ์อย่างระมัดระวังและเล็กน้อย ตัวอย่างเช่น การใช้ Twitter โครงข่ายประสาทเทียมช่วยให้คุณเลือกส่วนที่น่าสนใจที่สุดของภาพเพื่อดูตัวอย่างได้โดยอัตโนมัติ
บริษัทได้ทำงานเกี่ยวกับเครื่องมือนี้มาระยะหนึ่งแล้ว แต่ให้รายละเอียดวิธีการใน บล็อก แค่เมื่อวาน ML Lucas Theis และป้ายกำกับ ML Zehan Wang อธิบายว่าพวกเขาเริ่มใช้การตรวจจับใบหน้าเพื่อครอบตัดพื้นหลังอย่างไร แต่กลับพบว่าวิธีนี้ใช้ไม่ได้กับภาพทิวทัศน์ วัตถุ และที่สำคัญที่สุดคือลูกแมวตัวโปรดของคุณ
วิธีแก้ปัญหาคือ "การตัดแต่งกิ่งโดยใช้นัยสำคัญ" เพื่อหาค่าพารามิเตอร์นี้ นักพัฒนาได้ใช้ข้อมูลจากการศึกษาเชิงวิชาการเกี่ยวกับการทำงานของดวงตา ซึ่งบันทึกว่าส่วนใดของภาพที่ผู้คนมองเป็นอันดับแรก
"ข้อมูลนี้สามารถใช้ในการฝึกอบรมโครงข่ายประสาทเทียมและอัลกอริทึมอื่นๆ เพื่อคาดการณ์ว่าผู้คนอาจต้องการดูอะไร"
THEIS และ WANG
เมื่อนักพัฒนาฝึกโครงข่ายประสาทเทียมเพื่อระบุพื้นที่เหล่านี้แล้ว พวกเขาจำเป็นต้องปรับให้เหมาะสมเพื่อให้ทำงานตามเวลาจริงบนไซต์ โชคดีสำหรับพวกเขา พื้นที่ครอบตัดที่จำเป็นในการดูตัวอย่างภาพถ่ายนั้นกว้างพอ คุณแค่จำกัดภาพให้แคบลง นี่หมายความว่า Twitter สามารถลดและลดความซับซ้อนของเกณฑ์ที่ประเมินโดยโครงข่ายประสาทเทียมโดยใช้เทคนิคที่เรียกว่าการกลั่นกรองความรู้
ผลลัพธ์ที่ได้คือโครงข่ายประสาทที่เร็วกว่าเดิมถึงสิบเท่า "สิ่งนี้ช่วยให้เราสามารถตรวจจับความโดดเด่นของวัตถุบนภาพทั้งหมด ทันทีที่มีการโหลด เราจะเลือกส่วนที่น่าสนใจที่สุดของภาพถ่ายในแบบเรียลไทม์" Theis และ Wang เขียน
ฟีเจอร์ใหม่นี้พร้อมใช้งานแล้วสำหรับพีซี, iOS และทุกเครื่อง Android- แอปพลิเคชัน ดังนั้นครั้งต่อไปที่คุณเห็นภาพที่น่าสนใจใน Twitterโปรดจำไว้ว่านี่เป็นผลมาจากโครงข่ายประสาทเทียมด้วย
Dzherelo: Verge