菲洛嘉青春动能素135HA FILLMED® NCTF 135HA LED指示灯的常见故障分析 智微智能 Elkhartlake K075终端,零售产业新选择 天空蓝拓客管理系统详细介绍版 muso公链项目 天使计划 是什么?[秘] 独家揭秘最前沿的家装“黑科技”——掌赋 天博体育欧洲杯特辑,东道主法兰西的失意2016 亚马逊的送货侦察员 学习听起来像挡泥板 Google Comics Factory使ML变得容易 笑着说-男性或女性 Amazon Rekognition中更好的人脸检测 关于Spaun的真相-大脑模拟 两个聊天机器人彼此聊天-有趣又怪异 GANPaint:将AI用于艺术 WCF和WF给予社区 从耳朵到脸 所有神经网络的深层缺陷 蠕虫在尾巴上平衡杆子 Kickstarter上的OpenCV AI套件 TensorFlow-Google的开源AI和计算引擎 众包取代新闻工作者 Google的DeepMind学会玩街机游戏 哑机器人V智能机器人 .NET与.NET 5融为一体 Google的深度学习-语音识别 LInQer将.NET LINQ移植到Javascript 机器人TED演讲-新的图灵测试? GAN的发明者加入苹果 您的智能手机会监视您键入的内容 人工智能帮助改善国际象棋 Zalando Flair NLP库已更新 TensorFlow 1.5包含移动版本 AlphaGo输了一场比赛-比分3-1 虚拟机器学习峰会 Microsoft开源AI调试工具 SharePoint走向移动 F#4.0发出文化变革的信号 克里斯蒂拍卖AI艺术品 人工智能如何区分 Facebook在蒙特利尔的新AI实验室 Mozilla想要您的声音 微软使用极深的神经网络赢得ImageNet 建立AI合作伙伴关系 .NET Core 3-Microsoft几乎回到了起点 神经网络-更好的销售商? Google使用AI查找您的住所 虹膜-适用于Android的Siri证明苹果没有优势 TensorFlow 2提供更快的模型训练 深度学习研究人员将为Google工作
您的位置:首页 >开发 >

深度学习找到您的照片

令人惊讶的是,地球上一些最先进的AI正在被引诱为诱使您使用Google+的另一种方式。现在,您可以搜索未标记的照片,其中包含特定对象(例如汽车)。

如果您去年完成了Geoffry Hinton的神经网络课程,那么您将记得该示例介绍了用于对象识别的卷积神经网络。2012年ImageNet大规模视觉识别挑战赛为各种AI技术提供了一种操作性,这些技术可用于识别大型照片库中的对象。程序要做的就是将照片正确分类为1000个类别之一,并在类别中命名的对象周围放置一个边框。当时最大的惊喜是,性能最好的技术是一个大的深层神经网络,即SuperVision,它是由Alex Krizhevsky,Ilya Sutskever和Geoffry Hinton基于Yann Le Cun开创的那种卷积网络建立的。

卷积网络

卷积网络是应用于图像内不同位置的同一网络

卷积网络就像任何神经网络一样,但是它被设计为考虑到物体可以在照片中的任何位置或方向的事实。这种工作方式是在图像的每个点都复制该网络,因此无论照片在何处,网络都有机会以相同的方式对对象做出反应。SuperVision的创建者将其描述为:

“我们的模型是在原始RGB像素值上训练的大型深层卷积神经网络。该神经网络具有6000万个参数和650,000个神经元,它由五个卷积层组成,其中一些跟在最大卷积层之后,还有三个全局连接层,最后有1000路softmax。在两个NVIDIA GPU上进行了大约一周的培训。为了使训练更快,我们使用了非饱和神经元和卷积网的非常高效的GPU实现。”

有趣的是,即使网络出了错,您也可以理解为什么它出了错,并且其第二次猜测通常也是合理的。

监督

令人印象深刻,但这只是另一项AI实验,可能需要数年的时间才能付诸实践。

但是,如果您今天去看Google+照片,然后尝试搜索“汽车”,“花朵”或“海洋”或“海滩”,尽管没有为您的任何标签加标签,但您可能会惊讶地得到一组合理的结果照片可以帮助搜索。而且,即使失败也具有合理性,甚至可能使您的脸上露出微笑。

这会是一个深层的卷积网络吗?好吧,我们在三月份曾报道说,欣顿,克里日夫斯基和萨茨克维尔已被Google聘用-因此,如果不是的话,我会感到非常惊讶。但是Google想要谈论的就是您需要成为Google+用户才能试用这种未来技术。

Google搜索博客所说的是:

“从今天开始,您将可以更轻松地查找照片,并与Google+照片中的朋友,地点和活动建立联系。例如,现在您可以搜索朋友的婚礼照片或最近参加音乐会的图片。为了使计算机为您完成艰苦的工作,我们还开始使用计算机视觉和机器学习来帮助您识别照片中的更笼统的概念,例如日落,食物和鲜花。”

效果很好!如果失败了,您可以原谅它,因为您可以看到它所提供的东西可能与您所寻找的东西混淆了—寻找一条河,可能会给您提供湖水或干river的河床,并且两者都看似合理。

山毛榉搜索

这是神经网络首次在大众市场应用中使用,而AI以一种有效的方式识别照片中的物体是一项重大突破-当然,Google可以对技术进行更多的改动而不是它目前正在做!

卷积网络

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。