Kürzlich hat Google interessante tiefe Träume veröffentlicht. Sehen Sie neben der Kunstgeneration wie http://deepdreamgenerator.com/ mögliche Anwendungen von Deep Dream in Computer Vision oder maschinellem Lernen?
Kürzlich hat Google interessante tiefe Träume veröffentlicht. Sehen Sie neben der Kunstgeneration wie http://deepdreamgenerator.com/ mögliche Anwendungen von Deep Dream in Computer Vision oder maschinellem Lernen?
Antworten:
Es gibt bereits mindestens eine Anwendung, wenn Sie "Anwendung" breit genug interpretieren: Entkoppeltes tiefes neuronales Netzwerk für halbüberwachte semantische Segmentierung von Hong, Noh und Han . Sie verwenden es zur Bildsegmentierung . Standard-Bilderkennungsnetzwerke können Ihnen nur einen Begrenzungsrahmen für jedes auf einem Bild erkannte Objekt geben. Wenn Sie wissen möchten, welche Pixel dieses Objekt bilden, müssen Sie eine Bildsegmentierung durchführen.
Nachdem ein Hund auf einem Bild gefunden wurde, propagiert die Architektur von Hong et al. Den Hund durch das neuronale Netzwerk bis auf Pixelebene zurück, um die Pixel zu finden, die am meisten für das Auftreten des Hundes verantwortlich waren. (Sie verwenden diese Heatmap dann als Eingabe für ein überwachtes Segmentierungsnetzwerk. In diesem Teil gibt es keine tiefen Träume.)
Dies ist bereits eine Art Existenzbeweis dafür, dass die Deep Dream-Idee außerhalb der Bildmanipulation nützlich sein kann. Aber ich würde die Bildmanipulation selbst auch nicht herunterspielen. Ich erwähne zwei Dinge, die keine unmittelbaren Anwendungen von Deep Dreaming sind, und wir haben sie derzeit nicht, aber ich kann einen plausiblen Weg vom ursprünglichen Deep Dream-Algorithmus zu diesen sehen:
Hier ist eine weitere Anwendung, die sehr neu ist und erst in den letzten Wochen demonstriert wurde. Computer filtern Bilder so, dass sie wie Gemälde im unverwechselbaren Stil verschiedener Künstler aussehen, z. B. Van Gogh, Picasso usw., und es scheint möglich, da die Technologie verschiedene künstlerische Stile umfassen kann, die in einigen Fällen zur Erkennung von Fälschungen in der Kunstwelt verwendet werden können Punkt. (In diesem Bereich werden in der Vergangenheit viele sehr fortgeschrittene Analysetechniken verwendet.) Beachten Sie, dass Filtermethoden auf Instagram sehr beliebt sind, sodass es wahrscheinlich ist, dass diese irgendwann im Handel erhältlich sein werden.
Es ist unmöglich, ein Negativ zu beweisen, aber abgesehen von der Verwendung des gleichen Mustererkennungssystems im Allgemeinen, um Formen / Bilder zu erkennen und durch andere ähnliche Bilder zu ersetzen, möglicherweise zur Verwendung bei der automatischen Bildkorrektur oder ähnlichem, glaube ich nicht, dass es real ist Potenzial außerhalb der Änderung von Bildern.
Ich muss diese Antwort möglicherweise löschen, wenn sich herausstellt, dass sie falsch ist.
Graustufen zu Farbe
Zum Beispiel:
http://s15.postimg.org/3xq8jx03f/image.jpg
zu
http://s15.postimg.org/i5fx8kcsb/image.jpg
http://s15.postimg.org/c5s64wrzv/image.jpg
Das Baumholz wirkt unnatürlich rot, aber es ist nicht schlecht. Dies hat bei anderen Graustufenbildern, die ich ausprobiert habe, aber weniger beeindruckend funktioniert.
Eng kontextbezogener, visueller Profanitätsfilter.
In anderen Welten wird Menschen, die nicht ausreichend gekleidet sind, physisch realistische und thematisch / stilistisch angemessene Kleidung zur Verfügung gestellt, um das Image der Familie sicherer zu machen.
Das ist die Idee, aber im Moment ist es sowohl unzuverlässig als auch wenn es ungenau funktioniert.
Eine stärkere Anpassung der Parameter des Traums, als ich Zugriff habe, oder möglicherweise nur die Verwendung von mehr Iterationen und einem niedrigeren "Oktav" -Wert, als ich angeben kann, sollte die Ergebnisse viel zuverlässiger machen.
Beispiele:
Vorher: http://s22.postimg.org/5sjpqbzoh/image.jpg
Nachher : http://s22.postimg.org/wew6fb3vl/image.jpg
.