Буду потихоньку дорассказывать про Inception.
Предыдущая часть здесь — https://habrahabr.ru/post/302242/.
Мы остановились на том, Inception-v3 не выиграл Imagenet Recognition Challange в 2015-м, потому что появились ResNets (Residual Networks).
Рубрика «cnn» - 5
Эволюция нейросетей для распознавания изображений в Google: Inception-ResNet
2016-06-14 в 7:17, admin, рубрики: cnn, deep learning, Google, image classification, microsoft, машинное обучение, обработка изображений
Эволюция нейросетей для распознавания изображений в Google: Inception-v3
2016-05-31 в 6:03, admin, рубрики: cnn, deep learning, Google, image classification, машинное обучение, обработка изображенийПродолжаю рассказывать про жизнь Inception architecture — архитеткуры Гугла для convnets.
(первая часть — вот тут)
Итак, проходит год, мужики публикуют успехи развития со времени GoogLeNet.
Вот страшная картинка как выглядит финальная сеть:
Что же за ужас там происходит?
Эволюция нейросетей для распознавания изображений в Google: GoogLeNet
2016-05-18 в 7:07, admin, рубрики: cnn, deep learning, Google, image classification, машинное обучение, обработка изображенийУ меня тут синхронизируется VM надолго, поэтому есть время рассказать про то, что я недавно читал.
Например, про GoogLeNet.
GoogLeNet — это первая инкарнация так называемой Inception architecture, которая референс всем понятно на что:
(кстати, ссылка на него идет первой в списке референсов статьи, чуваки жгут)
Она выиграла ImageNet recognition challenge в 2014-м году с результатом 6.67% top 5 error. Напомню, top 5 error — метрика, в которой алгоритм может выдать 5 вариантов класса картинки и ошибка засчитывается, если среди всех этих вариантов нет правильного. Всего в тестовом датасете 150K картинок и 1000 категорий, то есть задача крайне нетривиальна.
Чтобы понять зачем, как и почему устроен GoogLeNet, как обычно, немного контекста.
На что смотрит свёрточная нейросеть, когда видит наготу
2016-04-20 в 19:04, admin, рубрики: cnn, deconvolutional neural network, NSFW, Алгоритмы, голый человек, машинное обучение, нагота, обнаженное тело, обработка изображений, Работа с видео, развертывающая сеть, свёрточная нейросеть, эротика, метки: NSFW, голый человек, нагота, обнаженное тело, свёрточная нейросеть, эротика 
На прошлой неделе в компании Clarifai мы формально анонсировали нашу модель распознавания непристойного контента (NSFW, Not Safe for Work).
Предупреждение и отказ от ответственности. Эта статья содержит изображения обнажённых тел в научных целях. Мы просим не читать дальше тех, кому не исполнилось 18 лет или кого оскорбляет нагота.
Автоматическое выявление обнажённых фотографий было центральной проблемой компьютерного зрения на протяжении более двух десятилетий, и из-за своей богатой истории и чётко поставленной задачи она стала отличным примером того, как развивалась технология. Я использую проблему детектирования непристойности для пояснения, как обучение современных свёрточных сетей отличается от исследований, проводившихся в прошлом.
Читать полностью »
Нейрореволюция в головах и сёлах
2016-02-12 в 0:51, admin, рубрики: cnn, DNN, Алгоритмы, глубокое обучение, машинное обучение, нейронные сети, обработка изображений, свёрточные сети, фильтрация, метки: свёрточные сети В последнее время всё чаще и чаще слышишь мнение, что сейчас происходит технологическая революция. Бытует мнение, что мир стремительно меняется.
На мой взгляд такое и правда происходит. И одна из главных движущих сил — новые алгоритмы обучения, позволяющие обрабатывать большие объёмы информации. Современные разработки в области компьютерного зрения и алгоритмов машинного обучения могут быстро принимать решения с точностью не хуже профессионалов.
Я работаю в области связанной с анализом изображений. Это одна из областей которую новые идеи затронули сильнее всего. Одна из таких идей — свёрточные нейронные сети. Четыре года назад с их помощью впервые начали выигрывать конкурсы по обработке изображений. Победы не остались незамеченными. Нейронными сетями, до тех пор стоящими на вторых ролях, стали заниматься и пользоваться десятки тысяч последователей. В результате, полтора-два года назад начался бум, породивший множество идей, алгоритмов, статей.
В своём рассказе я сделаю обзор тех идей, которые появились за последние пару лет и зацепили мою тематику. Почему происходящее — революция и чего от неё ждать.
Кто лишиться в ближайшие лет десять работы, а у кого будут новые перспективные вакансии.
Читать полностью »
Павел Власов-Мрдуляш, СМИ2: Рекламный союз западных медиа против интернет-сервисов ничего не изменит
2015-03-19 в 10:13, admin, рубрики: cnn, Financial Times, Pangaea, Reuters, Smi2, the Economist, The Gardian, Интернет-реклама, кейсы, Медиа, онлайн-медиа, Павел Власов-Мрдуляш, статистика, метки: CNN, Financial Times, Pangaea, Reuters, SMI2, the Economist, The Gardian, интернет-реклама, кейсы, медиа, Онлайн-медиа, Павел Власов-Мрдуляш, статистикаThe Guardian, Financial Times, CNN International, Reuters и the Economist объединили свои силы, чтобы посоперничать с такими гигантами, как Microsoft, Google и Facebook: объединение СМИ собираются создать общее медийное пространство для рекламы, об этом сообщил The Guardian на своём сайте, Читать полностью »
Стартапы Pinterest и Snapchat готовятся к новому раунду финансирования
2015-02-23 в 6:01, admin, рубрики: cnn, Facebook, online-сервисы, pinterest, Snapchat, инвестиции в стартапы, Исследования и прогнозы в IT, Развитие стартапа, финансы в IT, метки: online-сервисы, pinterest, snapchatДва конкурирующих американских стартапа Pinterest и Snapchat находятся в активном поиске новых инвестиций. Ожидаемая сумма – $500 млн. Если обе компании добьются своего, то рыночная стоимость каждого стартапа может превысить $10 млрд.Читать полностью »