Технологија машинског учења није увек повезана са великим функцијама. Често су то мали трикови који веома пажљиво и мало утичу на резултат. На пример, коришћењем Twitter неуронске мреже вам омогућавају да аутоматски изаберете најзанимљивији део фотографије за преглед.
Компанија је радила на овом алату већ неко време, али је детаљно описала своје методе блог само јуче МЛ Луцас Тхеис и етикета МЛ Зехан Ванг објашњавају како су почели да користе детекцију лица за исецање позадине, само да би открили да метода не функционише за слике пејзажа, објеката и што је најважније, ваших омиљених мачића.
Решење је било „орезивање коришћењем значаја“. Да би одредили овај параметар, програмери су користили податке из академских студија о раду очију, које бележе које области слика људи прво гледају.
„ОВИ ПОДАЦИ СЕ МОГУ КОРИСТИТИ ЗА ОБУКУ НЕУРАЛНИХ МРЕЖА И ДРУГИХ АЛГОРИТАМА ЗА ПРЕДВИЂАЊЕ ШТА ЉУДИ МОЖДА ЖЕЛЕ ДА ГЛЕДАЈУ“
ТХЕИС И ВАН
Када су програмери обучили неуронску мрежу да идентификује ове области, морали су да је оптимизују да ради у реалном времену на сајту. На њихову срећу, област за исецање која је потребна за преглед фотографија је довољно широка – ви само сужавате слику. То значи да Twitter може смањити и поједноставити критеријуме које процењује неуронска мрежа користећи технику која се зове дестилација знања.
Крајњи резултат је била неуронска мрежа која је десет пута бржа од своје оригиналне. „Ово нам омогућава да извршимо детекцију истакнутости објеката на свим сликама, чим се учитају, изабраћемо најзанимљивији део фотографије у реалном времену“, пишу Тајс и Ванг.
Нова функција је сада доступна за све рачунаре, иОС и Android- апликације. Стога, следећи пут када видите занимљиву фотографију у Twitter, запамтите да је ово такође резултат неуронске мреже.
Дзхерело: Верге