Нейронная сеть превращает облака в птиц и деревья в башни
Нейронная сеть превращает облака в птиц и деревья в башни
Сервисы Ostogram и http://dreap.ru дают реальное представление о том, как нейронные сети могут создавать картины на базе имеющихся примеров. Пользователю достаточно загрузить на сервис рисунок или фотографию, чтобы изображение, пропущенное через фильтр, стало совершенно неординарным. Как программное обеспечение научилось создавать собственные рисунки? В основе этого — длительный процесс запоминания образов нейронами.
Как выглядело построение искусственной нейросети?
Построение искусственной нейронной сети ведется методом проб и ошибок. Разработчик задает число слоев, нейронов, и структуру связей между ними, после чего тестирует результат. Если контрольное задание сеть выполняет на «отлично», считается, что ее обучение прошло успешно. В ином случае процесс повторяют с другими исходными параметрами вплоть до получения нужного результата.
А теперь о том же, но на конкретном примере, предложенном одним из авторов «Лепрозорий.ру» и по совместительству членом команды разработчиков алгоритма DeepDream от Google.
Ёлка — она зеленая, с иголками и Новый год…
Нейронная сеть — набор взаимосвязанных нейронов, которые имеют два основных положения «вкл.» и «выкл.». Нейрон срабатывает, то есть включается, когда по входам в него пропускается достаточный сигнал. После того, как нейрон сработал, он начинает посылать сигналы нейронам следующего порядка, взаимосвязанным с ним.
Представим нейрон, который отвечает за распознавание елок в картинах. Чтобы он заработал, обязаны включаться нейроны-характеристики, с которыми он взаимосвязан («зеленая», «иголки», «ствол дерева», «шишки»).
Чем больше соседей отметились, тем больше нейрон утверждается во мнении, что перед ним нужное дерево, ель. Образ ели утвержден, и тогда нейрон запускает других соседей, с ним взаимосвязанных («лес», «Новый год», «хвойные деревья»).
В процессе проб и ошибок связи, угаданные верно, становятся прочнее, а связи между нейронами, построенные случайно, рвутся. Так что в следующий раз можно ожидать, что нейросеть быстрее по иглам и шишкам узнает елку и перестанет путать дерево с растаманом.
Узнаем на картинах неожиданные объекты
Если же заставить нейросеть самостоятельно разбираться в увиденном, отдельные ее слои найдут свои уровни абстракции. В итоге если сети покажется, что облако напоминает птицу, она приблизит его по максимуму к своему предмету.
Аналогичные примеры действуют по отношению к другим объектам. К примеру, сеть может превратить холмы и горы в башни, деревья — в замки, листву — в птиц.
Читайте также
- Xiaomi представила маршрутизатор Redmi Router AX5400 с чипом Qualcomm
- Western Digital повысила цены на флеш-память NAND — это следствие загрязнения производства в январе
- 4 вида вооружения, которые отправили в Европу из-за Украины, но никогда не испытывали в деле
- Twitter позволит вешать ярлыки на ботов, чтобы люди могли отличать их от живых пользователей
- Найдена загадочная "невидимая" черная дыра: космическая аномалия
- Новая статья: Обзор игрового 4K-монитора ASUS TUF Gaming VG28UQL1A: лучше поздно, чем никогда