Google Glass lietotne zina, uz ko jūs skatāties

Google ir parādījis, ka kamera, kas integrēta uzņēmuma Google Glass datorā, kas tiek nēsāts uz galvas, var uzņemt dažus pārsteidzošus video. Tagad mašīnmācības uzņēmums AlchemyAPI ir izveidojis lietotni, kas izmanto šo kameru, lai atpazītu, uz ko cilvēks skatās. Lietotne tika izveidota darbinieku uzlaušanas sesijā, ko uzņēmums rīkoja šomēnes, lai eksperimentētu ar veidiem, kā demonstrēt savu jauno attēlu atpazīšanas pakalpojumu.

Skaidra redze: šī mašīnredzes lietotne ir par 67 procentiem pārliecināta, ka tā skatās uz rakstāmgaldu (kredīts: AlchemyAPI)

Lietojumprogramma var darboties ar fotoattēliem, ko uzņēmusi persona, kas valkā Glass, vai arī pastāvīgi tvert attēlus no ierīces kameras. Tie tiek nosūtīti uz mākoni vai tuvējo datoru apstrādei, izmantojot AlchemyAPI attēlu atpazīšanas programmatūru. Programmatūra nosūta atpakaļ savu labāko minējumu par to, ko tā redz, un pēc tam Glass parādīs vai runās spriedumu.

Ir neliela aizkave, un tad jūs dzirdēsit, ka tas saka “atzveltnes krēsls” vai “galddators”, saka AlchemyAPI izpilddirektors Elliots Tērners. Lai analizētu noteiktu kadru, nepieciešams aptuveni 250 ms.

Šeit ir video par lietotnes darbību:

Varētu teikt, ka Tērnera lietotne vienkārši norāda uz acīmredzamo, taču to darīt (gandrīz) reāllaikā nav nekāds uzdevums datora redzes programmatūrai. AlchemyAPI attēlu atpazīšanas sistēma ir balstīta uz sarežģītu simulētu neironu tīklu sistēmu, kas pazīstama kā dziļa mācīšanās, kas var radīt sistēmas, kas mācās ātrāk un gudrāk nekā vairāk pazīstamas metodes. Google ir bijis pionieris šajā jomā (skatiet sadaļu Deep Learning), un daudzi citi lieli uzņēmumi, tostarp Microsoft (skatiet Microsoft Brings Star Trek's Voice Translator to Life) un Facebook (Facebook uzsāk Advanced AI Research Group), arī investē tehnoloģijā.

An tiešsaistes demonstrācija parāda AlchemyAPI attēlu atpazīšanas programmatūras iespējas. Tas parāda, ka sistēma reaģē uz pastāvīgu attēlu vilcienu, kas iegūts no Google attēlu meklēšanas un Flickr.

Lai gan tālu no ideāla, programmatūras veiktspēja ir iespaidīga. Demonstrācijas ieskats par katra sprieduma noteiktību arī liecina, ka to varētu viegli padarīt kompetentāku. Daudzas sistēmas kļūmes rodas, kad tā cenšas būt ļoti specifiska. Būtu labāk pateikt, ka šis ir kukainis, nekā es nezinu, kas tas ir, tas varētu būt dievlūdzējs vai krikets. Tērners saka, ka sākotnējie attēlu atpazīšanas piedāvājuma klienti galvenokārt ir mediju uzņēmumi, kas vēlas klasificēt un meklēt lielas bezmarķētu fotogrāfiju kolekcijas.

Objektu atpazīšanas sistēmas var salīdzināt, pārbaudot tās ar standarta ImageNet datubāzi, kurā ir vairāk nekā 50 miljoni attēlu, kas marķēti ar 22 000 dažādām kategorijām. Eliots nestāstīs precīzus skaitļus, bet saka, ka viņa sistēma darbojas līdzvērtīgi labākajām sistēmām, kas ir publiski pārbaudītas, un parasti tiek nepareizi uzminēti aptuveni 15–17 procenti. Viena no šādām sistēmām tagad nodrošina objektu atpazīšanu, kas iebūvēta Google attēlu meklēšanas funkcijā savam Google Plus sociālajam tīklam , pēc tam, kad Google iegādājās jaunuzņēmumu, kuru dibināja dziļās mācīšanās pionieris Džefrijs Hintons no Toronto Universitātes gadā.

paslēpties