Zawartość
Google Labs opublikowało bardzo interesujący blog dotyczący korzystania z sieci neuronowych, które zostały przeszkolone do rozpoznawania obiektów zamiast malowania innych obiektów.
Szkolimy sztuczną sieć neuronową, pokazując miliony przykładów szkoleń i stopniowo dostosowując parametry sieci, aż do uzyskania wymaganych klasyfikacji. Sieć zazwyczaj składa się z 10-30 warstw sztucznych neuronów. Każdy obraz jest podawany do warstwy wejściowej, która następnie przechodzi do następnej warstwy, aż w końcu osiągnięta zostanie warstwa „wyjściowa”. „Odpowiedź” sieci pochodzi z tej końcowej warstwy wyjściowej.
Nazywają to „incepcjonizmem”, a wyniki są czymś więcej niż trochę dziwacznym. Poniższe slajdy pokazują wyniki różnych sieci neuronowych „malujących” to, na czym były szkolone, mimo że źródłem są niepowiązane lub nawet losowe dane. Podstawowa mechanika jest dość złożona, ale wyobraź sobie, że widzisz, jak sieć neuronowa „widzi” świat.
KolejnySkyarrow
Jest to dość proste, ale sieć została poproszona o znalezienie każdej strzałki.
Rycerz
Biorąc pod uwagę zdjęcie rycerza, ta sieć neuronowa znajduje to, na czym była szkolona w całym miejscu: mnóstwo zwierząt!
Wiejska przyroda
Wygląda to jak krajobraz, ale składa się z szalonego szeregu zwierząt i dzikiej przyrody.
Krzyk psa
Charakterystyczny kawałek Edwarda Muncha trafia do psów. Oczy w tym miejscu są bardziej niż trochę niepokojące.