vývojári softvéru Googlu pôvodne koncipovaný a postavený hlbokého sna a pre ImageNet veľkom formáte Visual Uznanie Challenge, každoročná súťaž ktorá začala v roku 2010. Každý rok, desiatky organizácií súťaží nájsť najefektívnejšie spôsoby, aby sa automaticky detekujú a klasifikovať milióny obrázkov. Po každej akcii, programátori prehodnotiť ich metódy a pracovať na zlepšenie svojej techniky.
Rozpoznávanie obrazu je životne dôležitou zložkou, ktorá je väčšinou chýba našej krabice internetových nástrojov. Naše vyhľadávače sú zamerané prevažne k porozumeniu zadali kľúčové slová a frázy namiesto obrazov. To je jeden z dôvodov, budete musieť označiť svoje zbierky obrázkov s kľúčovými slovami ako " mačku, " &Quot; house " a ". Tommy " Počítače proste sa snaží identifikovať obsah obrazu s akoukoľvek spoľahlivou presnosťou. Vizuálne dáta sú preplnené a špinavá a neznáme, z ktorých všetky sťažuje počítača rozumieť.
Vďaka projektom, ako sú hlboké Dream, naše stroje sú stále lepšie pri pohľade na vizuálnej svet okolo nich. Aby hlbokého sna a prácu, programátorov Google vytvoril umelé neurónové siete (ANN), typ počítačového systému, ktoré môžu učiť na jeho vlastné. Tieto neurónové siete sú modelované po funkčnosti ľudského mozgu, ktorý využíva viac než 100 miliárd neurónov (nervové bunky), ktoré vysielajú na nervové impulzy, ktoré umožňujú všetkých našich telesných procesov.
V neurónové siete, umelé neuróny stať v biologických tie, filtrovanie dát v mnohých rôznymi spôsobmi, znovu a znovu, kým sa systém dorazí do akejsi výsledku. V prípade hlbokých Dream, ktorý typicky má medzi 10 a 30 vrstiev umelých neurónov, že konečný výsledok je obraz.
Ako hlboký Dream reimagine vaše fotografie, prevádza je od známych scén, ktoré sa computer-art omietok ktoré môžu prenasledovať nočné mory vaše pre nadchádzajúce roky?
Počítačové Brains a kolesá
neurónových sietí nie sú automaticky nastavená o identifikačné údaje. Sú to vlastne vyžadujú -Oni potrebujú trochu tréningu byť kŕmené sady dát použiť ako referenčné body. Inak by slepo preosiať cez dát, nemohol nejaký zmysel z toho.
Podľa oficiálnom blogu Google, tréningový proces je založený na opakovanie a analýzu. Napríklad, ak chcete trénovať s ANN pre identifikáciu na bicykli, mali by ste ukázať, že mnoho miliónov bicyklov. Okrem toho by ste jasne špecifikovať - v počít
