Ostatnio Google opublikował interesujący głęboki sen. Czy oprócz generowania sztuki, takiego jak http://deepdreamgenerator.com/ , widzisz jakieś potencjalne zastosowania głębokiego snu w wizji komputerowej lub uczeniu maszynowym?
Ostatnio Google opublikował interesujący głęboki sen. Czy oprócz generowania sztuki, takiego jak http://deepdreamgenerator.com/ , widzisz jakieś potencjalne zastosowania głębokiego snu w wizji komputerowej lub uczeniu maszynowym?
Odpowiedzi:
Istnieje już co najmniej jedna aplikacja, jeśli interpretujesz „aplikację” wystarczająco szeroko: Oddzielona głęboka sieć neuronowa do częściowo nadzorowanej segmentacji semantycznej według Honga, Noha i Hana . Używają go do segmentacji obrazu . Standardowe sieci rozpoznawania obrazów mogą dać ci obwiednię tylko dla każdego obiektu rozpoznanego na obrazie. Jeśli chcesz wiedzieć, które piksele stanowią ten obiekt, musisz dokonać segmentacji obrazu.
Zasadniczo, po znalezieniu psa na obrazie, architektura Hong et al propaguje wsteczność przez sieć neuronową aż do poziomu pikseli, aby znaleźć piksele, które były najbardziej odpowiedzialne za pojawienie się psa. (Następnie używają tej mapy cieplnej jako danych wejściowych do nadzorowanej sieci segmentacji, w tej części nie ma głębokich marzeń).
Jest to już rodzaj dowodu na istnienie, że pomysł Deep Dream może być przydatny poza manipulacją obrazem. Ale nie bagatelizowałbym też samej manipulacji obrazem. Wspominam o dwóch rzeczach, które nie są bezpośrednimi zastosowaniami Deep Dreaming i obecnie ich nie mamy, ale widzę pewną drogę z oryginalnego algorytmu Deep Dream w kierunku tych:
Oto kolejna aplikacja, która jest bardzo nowa i właśnie pokazana w ciągu ostatnich kilku tygodni. komputery filtrują obrazy, aby wyglądały jak obrazy w charakterystycznym stylu różnych artystów, np. Van Gogha, Picassa itp. i wydaje się to możliwe, ponieważ technologia może obejmować różne style artystyczne, w niektórych przypadkach może być stosowana do wykrywania fałszerstw punkt. (historycznie w tym obszarze stosuje się wiele bardzo zaawansowanych technik analizy). zauważ, że metody filtrowania są bardzo popularne na Instagramie, więc wydaje się prawdopodobne, że będą one dostępne w handlu w pewnym momencie.
Nie można udowodnić negatywu, ale poza tym, że ogólnie używa się tego samego systemu wykrywania wzorów do wykrywania kształtów / obrazów i zastępuje je innymi podobnymi obrazami, być może do zastosowania w automatycznej korekcji obrazu lub podobnym, nie sądzę, że ma prawdziwy potencjał poza modyfikowaniem zdjęć.
Być może będę musiał usunąć tę odpowiedź, jeśli okaże się, że jest niepoprawna.
Skala szarości do koloru
Na przykład:
http://s15.postimg.org/3xq8jx03f/image.jpg
do
http://s15.postimg.org/i5fx8kcsb/image.jpg
http://s15.postimg.org/c5s64wrzv/image.jpg
Drewno drzewa wydaje się nienaturalnie czerwone, ale nie jest złe. Działa to, ale mniej imponująco z innymi obrazami w skali szarości, które próbowałem.
Filtr z wulgaryzmami z widocznym kontekstem.
W innych światach renderowanie realistycznych fizycznie i odpowiednich tematycznie / stylistycznie ubrań dla osób, które nie są wystarczająco ubrane, aby obraz był bezpieczniejszy dla rodziny.
Taki jest pomysł, jednak w tej chwili jest on zarówno zawodny, jak i niedokładny.
Jednak bardziej precyzyjne dostosowanie parametrów snu, niż mam do niego dostęp, lub być może po prostu użycie większej liczby iteracji i niższej wartości „oktawy” niż mogę określić, powinno sprawić, że wyniki będą znacznie bardziej wiarygodne.
Przykłady:
Przed: http://s22.postimg.org/5sjpqbzoh/image.jpg
Po: http://s22.postimg.org/wew6fb3vl/image.jpg
.