20 harika derin öğrenme uygulaması, Demo + Kağıt + Kod
RUC'tan Tang Xu
Qubit Raporu | Genel Hesap QbitAI
Bilgisayarla görmeden doğal dil işlemeye, derin öğrenme teknikleri son birkaç yılda yüzlerce pratik soruna uygulandı. Birçok vaka, derin öğrenmenin işi eskisinden daha iyi hale getirebileceğini de kanıtladı.
Bugün, Qubit herkes için 20 mükemmel derin öğrenme uygulaması topladı - elbette, bu liste kapsamlı olmayabilir, ancak okuduktan sonra bu teknolojinin belirli alanlardaki potansiyeli hakkında daha net bir görüşe sahip olacağınıza inanıyorum. Farkındalık.
Her uygulama için ilgili Demo, Kağıt ve Kod bilgilerini de toplamaya çalışırız.
1. Face2Face: Trump Çal
Stanford Üniversitesi'nden bir ekip Face2Face adlı bir uygulama yaptı. Bu sistem, videodaki başka bir kişiyi gerçek zamanlı olarak oynatmanıza izin vermek için yüz yakalamayı kullanabilir. Basitçe ifade etmek gerekirse, yüz ifadelerinizi gerçek zamanlı olarak videoya aktarabilirsiniz. Burada konuşma yapan Amerika Birleşik Devletleri Başkanı.
Aynı ilke, videolarda ve film özel efektlerinde sahnelerin 3B yeniden yapılandırılması için de kullanılabilir.
Bu uygulamanın asıl etkisi şudur:
Kağıt:
2. Renk olsun! : Siyah beyaz fotoğrafları / videoları otomatik olarak renklendirin
Soldaki resim, 1937'de çekilmiş bir madencinin fotoğrafı, sağdaki resim ise renk olsun! Otomatik olarak yeniden renklendirmeden sonraki etki.
Yukarıdaki resim 1909'da çekilmiş bir bowling salonunun fotoğrafı, aşağıdaki resim de renk olsun! Yeniden renklendirmeden sonraki etki.
Aslında bu, fotoğraflarda doğal olarak var olan belirli kalıpları öğrenmek için derin öğrenme ağlarının kullanılmasıdır - örneğin, gökyüzü genellikle mavi, bulutlar beyaz veya gri ve çimen yeşildir. Bu kurallara göre renk olsun! Fotoğraf, insan müdahalesi olmadan yeniden renklendirilebilir. Bazen hata yapsa da bu tür hataları bulmak zordur.
Benzer şekilde, renk olsun! Siyah beyaz videoyu da renkli hale getirebilirsiniz.
Demo:
Kağıt:
Kod:
https://github.com/satoshiiizuka/siggraph2016_colorization
3. Piksel Yinelemeli Süper Çözünürlük: Mozaiğe veda edin
Neden Amerikan TV dizisi CSI'ı izlemiyorum? Nedeni basit: çok sahte. İçerideki kahraman bir videoyu her zaman yakınlaştırır ve yakınlaştırır ve ardından gerçek durumun çok ötesinde bir çözünürlüğe sahip bir görüntü elde eder. Bu hiç gerçekçi değil ...
Derin öğrenme ortaya çıkana kadar. Bu yılın başlarında, Google Brain araştırmacıları, son derece düşük çözünürlüklü yüz görüntülerine dayanarak bu yüzlerin gerçekte nasıl göründüğünü tahmin etmelerini istedikleri bir derin öğrenme ağı eğitti. Aşağıda gösterildiği gibi:
En soldaki 8 × 8 piksellik orijinal giriş görüntüsü, en sağdaki sütun fotoğraftaki yakalanan yüzün gerçek efektidir ve ortadaki ise bilgisayarın tahminidir.
Kusursuz olmasa da bilgisayar tarafından tahmin edilen sonucun gerçek duruma çok yakın olduğu görülmektedir. Google araştırmacıları, bu yöntemi Piksel Yinelemeli Süper Çözünürlük (piksel yinelemeli süper çözünürlük) olarak adlandırdı, bu yöntemi kullanmak görüntünün kalitesini önemli ölçüde artırabilir.
Kağıt:
https://arxiv.org/abs/1702.00783
4. Gerçek zamanlı çok oyunculu eylem tahmini
Derin öğrenme ağları animatörlere eylemleri tahmin etmede çok yardımcı oldu.Şimdi, gerçek zamanlı tahmin bile yapabiliyoruz. Cornell Üniversitesi Zhe Cao ve diğerleri, insan iskeletinin konumundaki değişiklikleri tahmin etmek için bir sinir ağını öğrettiler.
Aşağıdaki videoda, sokakta dans eden bir grup insanı görebilirsiniz ve bu sinir ağı aracılığıyla nerede ve nasıl olduklarını bilebiliriz.
Kağıt:
https://arxiv.org/abs/1611.08050
5. Sinirsel Konuşma: fotoğrafları tanımlayın
Fotoğrafları otomatik olarak sınıflandırmak için bir bilgisayar kullanmak çok yaygındır. Örneğin Facebook, paylaşılan fotoğraflarda arkadaşlarınızı etiketleyebilir ve Google daha verimli arama için fotoğraflarınızı etiketleyebilir.
Günümüzde derin öğrenme, fotoğraflardaki çeşitli unsurları tanımlayabilir. Andrej Karpathy ve Li Feifei tarafından yapılan bir çalışmada, bir fotoğrafın farklı alanlarındaki unsurları tanıyabilen ve fotoğrafı tek bir cümleyle tanımlayabilen derin bir öğrenme sistemi eğitmişler.
Demo:
Kağıt:
6. DeepWarp: Neye bakıyorsunuz? Tekrar bir göz atalım ve size bir ifade yapalım!
Bu uygulama biraz sahtedir. Şimdi, elinizde kimin fotoğrafı olursa olsun, gözlerini hareket ettirmek için Ganin ve diğerleri tarafından geliştirilen derin öğrenme ağını kullanabilirsiniz: onun yukarı ve aşağı bakmasını, sola ve sağa bakmasını ve hatta daireler çizerek etrafınıza bakmasını sağlayabilirsiniz. ... İfadeler üretmenin yanı sıra, aslında başka neler yapabileceğini bilmiyorum ...
İşte Kraliçe Elizabeth, Obama, Sharapova ... vb. Dahil bazı örnekler:
Demo:
Kağıt:
7. Yeni fotoğraflar oluşturun
Wyoming Eyalet Üniversitesi'nden Anh Nguyen ve diğer bazı araştırmacılar, mevcut fotoğraflardan yeni fotoğrafları yinelemeli bir şekilde sentezleyebilen bir derin öğrenme ağı geliştirdiler. Aşağıdakiler bazı bilgisayarla sentezlenmiş örneklerdir, sonuçlar şaşırtıcıdır:
Kağıt:
https://arxiv.org/pdf/1612.00005.pdf
8. Balinaları kurtarmak için evrişimli sinir ağlarını kullanın
Hepimizin bildiği gibi, evrişimli sinir ağlarının görüntü tanıma ve sınıflandırma alanında çok iyi beklentileri var. Derin öğrenmeyi kullanarak, hayatta kalan hayvan sayısını daha iyi tahmin etmek için nadir hayvanların (balinalar gibi) çekilmiş fotoğraflarını sınıflandırabiliriz.
Diğer örnekler arasında plankton, bitkiler vb.
Sınıflandırılmış planktonun tanıtımı:
Kod:
https://github.com/benanne/kaggle-ndsb
9. Pix2Pix: Ruh Boyacısı
Bu fikir, daha önce bahsedilen Renk olsun! Biraz benzer, ama biraz daha yaratıcı. Bilgisayara basit bir vuruş veya hatta bazı renk blokları girebilir ve ardından bilgisayarın yeni resimler üretmek için yaratıcılığını kullanmasına izin verebilirsiniz. Benzer şekilde, giysilerinizin havadan çekilmiş bir fotoğrafını haritaya dönüştürebilir, bir sahneyi gündüzden geceye çevirebilirsiniz.
Bir süre önce, özellikle popüler olan el boyaması kedi (portal kapı) da bu tekniğe dayanıyordu.
Kağıt:
https://arxiv.org/pdf/1611.07004v1.pdf
Kod:
https://github.com/phillipi/pix2pix
10. Vahşi Ortamda Metin Okuma: Metni bulmak için resimleri kullanın
Oxford Visual Geometry Group, videodaki metni okuyabilen, metni girebilen ve ardından görüntüdeki metni içeren BBC haber videosunu doğrudan arayabilen bir uygulama geliştirmek için derin öğrenme teknolojisini kullandı. Örneğin, bu "Londra" için kısmi bir arama sonucudur:
Demo:
Kağıt:
11. Google Sunroof: Çatınızın ne kadar güneş enerjisi alabileceğini görün
Google Sunroof, önce Google Earth'ün havadan haritasına dayalı olarak evinizin çatısının 3B modelini oluşturacak ve ardından çatının sayısını çevredeki alandan ayırt etmek için derin öğrenmeyi kullanacak ve ardından güneşin yörüngesine ve hava koşullarına göre güneş enerjisi kurulumunu tahmin edebilirsiniz. Güneş panellerinin çatısı tarafından ne kadar güneş enerjisi toplanabilir.
Proje Ana Sayfası:
https://www.google.com/get/sunroof#p=0
12. AI tuğlaları domine eder ve kırar
Google'ın Deepmind ekibi, yapay zekaya "Breakout" oynamayı öğretti (Breakout, temelde herkes oynadı, ayrıntılar için lütfen aşağıdaki resme bakın).
Test sırasında bilgisayar herhangi bir oyun kuralına göre özel olarak programlanmadı, sadece klavyenin kontrolünü AI'ya devrettiler ve ardından sürekli eğittiler. İlk başta AI çok kötü oynadı; ancak iki saatlik eğitimden sonra resim stili şu hale geldi:
Kağıt:
https://www.cs.toronto.edu/~vmnih/docs/dqn.pdf
Kod:
https://sites.google.com/a/deepmind.com/dqn/
13, seyirciye hükmet ~
Tuğla kırmak yeterli değil mi? Derin öğrenme teknolojisi, "Küçük Arı", "Yıkım Dükü" ve "Ping Pong" gibi düzinelerce oyun dahil olmak üzere daha fazla oyun alanında yapay zekayı eğitmek için de kullanılır. Çoğu oyunda, derin öğrenme ağı deneyimli oyunculardan daha iyi oynandı ve tüm oyun da AI tarafından keşfedildi.
Kağıt:
14. LipNet: AI'nın dudakları okumasına izin verin
Oxford Üniversitesi ve Deepmind'den bilim adamları bu projeyi ortaklaşa tamamladılar. LipNet'in dudak okuma doğruluk oranı şaşırtıcı bir şekilde% 93'e ulaştı ve insan dudak okuyucularının ortalama% 52'sini aştı.
Kağıt:
https://arxiv.org/pdf/1611.01599.pdf
Kod:
https://github.com/bshillingford/LipNet
15. Gerçek Ruh Ressamı
Günümüzde yapay zeka, derin öğrenme teknolojisini kullanarak belirli bir resmin stilini, rengini, ışığını ve gölgesini öğrenebilir ve ardından bu resmin stilini bir başkasına aktarabilir ve etkisi çok iyidir.
Bu yeterince sezgisel olmayabilir, birkaç örneğe bakalım:
Aşağıda soldan sağa Picasso, Van Gogh ve Monet'nin Mona Lisa'sı var.
Ve bu, yapay zekaya sahip yaşlı bir adam tarafından yaratılan Google Haritalar tarzı bir Mona Lisa ...
Demo:
https://deepart.io/
Kağıt:
16, AI yazma
Artık bilgisayarlar yalnızca yazmak için değil aynı zamanda yazmak için de kullanılabilir: Toronto Üniversitesi'nden Alex Graves bilgisayarlara birçok farklı tarzda yazmayı öğretti.
Demo:
Kağıt:
https://arxiv.org/abs/1308.0850
17. Derin öğrenme, kentsel sıcak nüfus ve seçim sonuçlarını tahmin eder
Gebru ve diğerleri 50 milyon Google Street View fotoğrafı topladı ve ardından ne bulabileceklerini görmek için derin öğrenme tekniklerini kullanarak onları kazdı. Sonuç olarak, derin öğrenme sadece 22 milyon arabanın malzemesini, modelini ve yılını tespit etmekle kalmadı, aynı zamanda bazı çağrışımlar da buldu.Örneğin, belirli bir bölgenin nüfus durumu araba modellerinin tanınmasıyla analiz edilebilir.
Daha ilginç bir şekilde, AI, 15 dakikalık bir sürüş sırasında kamyonetten daha fazla araba varsa, o zaman şehrin bir sonraki başkanlık seçiminde Demokrat Parti'ye oy verme şansının% 88 olduğunu buldu; aksi takdirde, Cumhuriyetçi Parti'ye oy verme şansı% 82.
Kağıt:
https://arxiv.org/pdf/1702.06683.pdf
18. Derin Rüyalar: Yapay zeka aynı zamanda hayal kurar
2015 yılında Google araştırmacıları, görüntü özelliklerini geliştirmek için derin öğrenmeyi kullanmanın bir yolunu buldular ve ardından Deep Dreaming'i geliştirdiler - görüntülerde bazı inanılmaz yanılsamalar yaratabilir. Bazıları rüyalara çok benzediği için Derin Rüyalar olarak adlandırılır. Bu derin öğrenme sisteminin yakın zamanda ortaya çıktığı çevreyle ilgili ne tür bir fantezinin üretildiği ve hatta bazen korkutucu kabuslar bile üretebiliyor.
Proje Ana Sayfası:
https://research.googleblog.com/2015/06/inceptionism-going-deeper-into-neural.html
Albüm:
Kod:
https://github.com/google/deepdream
19. Kendi güvenlik duvarınızı defalarca kırın ve onarın
Google Brain araştırma ekibi, güvenlik araçlarının geliştirilmesi için iki derin öğrenme ağı oluşturdu. Birinin sürekli olarak kendi şifreleme algoritmasını oluşturmasına ve ardından diğer ağın onu kırmaya çalışmasına izin verdiler. İki sistem arasında tekrarlanan mücadelelerden sonra, ilk sistem çok iyi güvenlik şifreleme algoritmaları oluşturmayı başardı.
Bununla birlikte, ikinci algoritma seti her zaman ondan daha iyi performans gösterdi ...
Kağıt:
https://arxiv.org/pdf/1610.06918v1.pdf
20. Depremleri tahmin edin
Harvard bilim adamları, bilgisayarlara depremleri tahmin etmek için kullanılan bir hesaplama yöntemi olan "viskoelastik hesaplamaları" öğretmek için derin öğrenme tekniklerini kullandılar. Sonuç olarak, hesaplamanın etkisi AI'da büyük ölçüde artar.
Bununla birlikte, bilgisayar hesaplama süresini de% 50.000 artırdı. Depremde zaman hayattır. Bu nedenle, depremleri tahmin etmek için yapay zekayı kullanmak için henüz çok erken.
Kağıt:
https://arxiv.org/pdf/1701.08884v1.pdf
Pekala, önce burada duralım. Derin öğrenme harika ama farklı sesler de var. Onu dinlerseniz, bugün ikinci gönderiye geçmeye devam edebilirsiniz ~
Açık sınıf kaydı
18 Nisan (Salı), Qubit, AI Akademisinin ilk halka açık sınıfını oluşturmak için İnovasyon Çalıştayı ile el ele verdi ve AI Mühendislik İnovasyon Akademisi Çalıştayı Dekan Yardımcısı Wang Yonggang ile Teknik Başkan Yardımcısı Li Tianfang'ı sizin için 0'dan 1'e kadar temel bir yapay zeka giriş dersi oluşturmaları için davet etti.
Yapay zeka sektörünün tarihini ve gelişimini anlamak istiyorsanız, yapay zeka öğrenmek istiyorsanız kayıt adresi burada:
İşe Alım
Editörleri, muhabirleri, operasyonları ve diğer pozisyonları işe alıyoruz. Çalışma yeri Pekin, Zhongguancun'da. Ziyaretinizi dört gözle bekliyoruz ve yükselen yapay zeka dalgasını yaşıyoruz.
İlgili ayrıntılar için lütfen şu yanıtı verin: resmi hesabın diyalog arayüzünde "İşe Alım".
Bir şey daha...
Bugün AI dünyasında dikkat etmeye değer başka ne var? Yanıtla " Şu günlerde "Tüm ağdan topladığımız AI endüstrisine ve araştırma trendlerine bakın. Yeniden doldurun ~
Ek olarak, WeChat qubit asistanını eklemeye hoş geldiniz: qbitbot , AI alanında araştırma yapıyorsanız veya çalışıyorsanız, asistan sizi kübit değişim grubuna götürecektir.
