211service.com
Aplikacja Google Glass wie, na co patrzysz
Google pokazało, że kamera zintegrowana z Google Glass, noszonym na głowie komputerem firmy, może nagrać niesamowite wideo. Teraz firma zajmująca się uczeniem maszynowym AlchemiaAPI stworzył aplikację, która używa tego aparatu do rozpoznawania, na co patrzy dana osoba. Aplikacja została zbudowana podczas sesji hakerskiej przeprowadzonej przez firmę w tym miesiącu, aby poeksperymentować ze sposobami demonstrowania nowej usługi rozpoznawania obrazów.
Jasne widzenie: Ta aplikacja do widzenia maszynowego jest w 67 procentach pewna, że patrzy na biurko (Credit: AlchemyAPI)
Aplikacja może pracować na zdjęciach zrobionych przez osobę noszącą Glass lub stale pobierać obrazy z aparatu urządzenia. Są one wysyłane do chmury lub pobliskiego komputera w celu przetworzenia przez oprogramowanie do rozpoznawania obrazów AlchemyAPI. Oprogramowanie odsyła swoje najlepsze przypuszczenia dotyczące tego, co widzi, a następnie Glass wyświetli lub wypowie werdykt.
Jest niewielkie opóźnienie, a potem usłyszysz, jak mówi „fotel” lub „komputer stacjonarny”, mówi dyrektor generalny AlchemyAPI, Elliot Turner. Analiza danej klatki zajmuje około 250ms.
Oto wideo aplikacji w akcji:
Można powiedzieć, że aplikacja Turnera po prostu stwierdza oczywistość, ale robienie tego w (prawie) czasie rzeczywistym jest nie lada wyczynem dla oprogramowania do widzenia komputerowego. System rozpoznawania obrazów AlchemyAPI jest zbudowany na systemie złożonych symulowanych sieci neuronowych typu zwanego głębokim uczeniem, które mogą tworzyć systemy, które uczą się szybciej i inteligentniej niż bardziej znane techniki. Google był pionierem w tej dziedzinie (patrz Deep Learning ), a wiele innych dużych firm, w tym Microsoft (patrz Microsoft wprowadza do życia Voice Translator Star Trek ) i Facebook ( Facebook wprowadza Advanced AI Research Group ) również inwestuje w tę technologię.
jakiś demo online pokazuje możliwości oprogramowania do rozpoznawania obrazów AlchemyAPI. Pokazuje, że system reaguje na ciągły ciąg obrazów pobieranych z wyszukiwarki grafiki Google i Flickr.
Chociaż daleka od ideału, wydajność oprogramowania jest imponująca. Wgląd, jaki daje demo, w pewność każdego dokonanego osądu, sugeruje również, że można go łatwo sprawić, by wyglądał na bardziej kompetentnego. Wiele awarii systemu pojawia się, gdy próbuje on być bardzo konkretny. Powiedzenie, że to owad byłoby lepsze, niż nie jestem pewien, co to jest, może to być modliszka lub świerszcz. Turner mówi, że pierwsi klienci oferty rozpoznawania obrazu to głównie firmy medialne, które chcą kategoryzować i przeszukiwać duże kolekcje nieoznakowanych fotografii.
Systemy rozpoznawania obiektów można porównać, testując je ze standardową bazą danych ImageNet, która zawiera ponad 50 milionów obrazów oznaczonych 22 000 różnymi kategoriami. Elliot nie podzieli się dokładnymi danymi, ale twierdzi, że jego system działa na równi z najlepszymi systemami publicznie testowanymi pod kątem tego, które zazwyczaj błędnie oceniają około 15-17% swoich domysłów. Jeden z takich systemów obsługuje teraz funkcję rozpoznawania obiektów wbudowaną w funkcję wyszukiwania grafiki Google za swoją sieć społecznościową Google Plus , po tym, jak Google kupił startup założony przez pioniera głębokiego uczenia Geoffreya Hintona z University of Toronto.