Нещодавно Google оприлюднив цікавий глибокий сон. Окрім покоління мистецтва, як-от http://deepdreamgenerator.com/ , чи бачите ви будь-які потенційні застосунки глибокої мрії в комп'ютерному зорі чи машинному навчанні?
Нещодавно Google оприлюднив цікавий глибокий сон. Окрім покоління мистецтва, як-от http://deepdreamgenerator.com/ , чи бачите ви будь-які потенційні застосунки глибокої мрії в комп'ютерному зорі чи машинному навчанні?
Відповіді:
Уже є принаймні одна програма, якщо ви інтерпретуєте "додаток" досить широко: Роз'єднана глибока нейронна мережа для напівпідконтрольної семантичної сегментації Гонгом, Нохом та Ханом . Вони використовують його для сегментації зображень . Стандартні мережі розпізнавання зображень можуть надати вам обмежувальне поле для кожного об'єкта, розпізнаного на зображенні. Якщо ви хочете знати, які пікселі складають цей об’єкт, вам потрібно зробити сегментацію зображення.
В основному, знайшовши собаку на зображенні, архітектура Гонга та ін спільно розповсюджує собаку через нейронну мережу до рівня пікселів, щоб знайти пікселі, які найбільш відповідальні за появу собаки. (Потім вони використовують цю теплову карту як вхід для наглядової мережі сегментації. У цій частині немає глибоких снів.)
Це вже своєрідний доказ існування того, що ідея Deep Dream може бути корисною для маніпулювання зображеннями. Але я також не применшував би маніпулювання зображенням. Я згадую дві речі, які не є безпосередньою програмою Deep Dreaming, і у нас їх зараз немає, але я можу побачити правдоподібну дорогу від оригінального алгоритму Deep Dream:
ось ще одна програма, яка є дуже новою і щойно продемонстрована протягом останніх кількох тижнів. комп’ютери фільтрують зображення, щоб виглядати як картини у виразному стилі різних художників, наприклад, Ван Гога, Пікассо тощо тощо. І, мабуть, можливо, оскільки технологія може охоплювати різні художні стилі, вона може бути використана для виявлення підробок у світі мистецтва у деяких бал. (Багато історичних методів аналізу використовуються в цій галузі історично.) зауважте, що методи фільтрації користуються великою популярністю в Instagram, тому, мабуть, вони будуть комерційно доступними в якийсь момент.
Неможливо довести негатив, але крім використання тієї самої системи виявлення шаблонів взагалі для виявлення фігур / зображень та заміни їх іншими подібними зображеннями, можливо для використання в автоматичній корекції зображення чи подібних, я не думаю, що це реально потенціал поза модифікацією зображень.
Можливо, мені доведеться видалити цю відповідь, якщо вона виявиться неправильною.
Відтінки сірого до кольору
Наприклад:
http://s15.postimg.org/3xq8jx03f/image.jpg
до
http://s15.postimg.org/i5fx8kcsb/image.jpg
http://s15.postimg.org/c5s64wrzv/image.jpg
Деревина дерева здається неприродно червоною, але все-таки непогано. Це спрацювало, але менш вражаюче з іншими зображеннями відтінків сірого, які я пробував.
Наритівний контекст, візуальний профанальний фільтр.
В інших світах, надання фізично реалістичного та тематично / стилістично одягу людям, які недостатньо одягнені, щоб зробити образ більш безпечним для сім'ї.
Ця ідея, однак на даний момент вона є і ненадійною, і коли вона працює неточно.
Однак більше налаштування параметрів сну, ніж я маю доступ, або, можливо, просто використання більшої кількості ітерацій та нижчого значення «октави», ніж я можу вказати, повинно зробити результати набагато надійнішими.
Приклади:
Перед: http://s22.postimg.org/5sjpqbzoh/image.jpg
Після: http://s22.postimg.org/wew6fb3vl/image.jpg
.