kinderspeelgoed - Toys bovenmenselijke vliegtuig in het Nederlands - video voor kinderen 2
Zoeken naar afbeeldingen is eenvoudiger dan ooit. Maar als je een foto probeert te vinden van iets op een locatie die niet helemaal duidelijk is (dus niet de Egyptische piramides of de gigantische duimsculptuur in Parijs), is het moeilijker dan je denkt - zelfs met de geolocatie-informatie op basis van wat is in de afbeelding.
Voer de Google-technicus Tobias Weyand en een paar van zijn collega's in. Volgens een nieuw artikel in het tijdschrift arXiv (uitgesproken als "archief"), heeft het trio een diepgaande machine gebouwd die in staat is om de locatie van vrijwel elke foto te bepalen, uitsluitend op basis van analyse van de pixels.
Om een machine te krijgen om een dergelijke taak met succes te volbrengen, wilt u hem de mogelijkheid geven om informatie te begrijpen op basis van visuele aanwijzingen. Je wilt dat het met andere woorden denkt als een mens.
Weyand begon met het ontwikkelen van een kunstmatig neuraal netwerk - een machinesysteem dat is ontworpen om de neurologische paden van de hersenen na te bootsen, waardoor het informatie kan leren, verwerken en herinneren zoals een mens zou kunnen. Dit nieuwe systeem, PlaNet, is kennelijk in staat om beter te presteren dan mensen bij het bepalen van locaties van afbeeldingen, ongeacht de instelling - of het nu binnen of buiten is en met elke vorm van unieke of onopvallende visuele aanwijzingen.
Hoe werkt PlaNet? Weyand en zijn team verdeelden een wereldkaart in een raster dat meer dan 26.000 vierkante vormen op verschillende regio's legde, afhankelijk van het aantal foto's op die plaatsen. Dichte plaatsen waar veel foto's worden genomen passen in een kleiner vierkant, terwijl grotere, meer afgelegen gebieden in grotere vierkanten kunnen snijden.
Het team creëerde vervolgens een grote database met afbeeldingen die al geolokaliseerd waren - bijna 126 miljoen verschillende foto's. Ongeveer 91 miljoen werden gebruikt als een dataset om PlaNet te leren hoe te achterhalen welk beeld in welk rooster op de wereldkaart zou kunnen worden geplaatst.
Vervolgens werd het neurale netwerk belast met het geolokaliseren van de andere 34 miljoen afbeeldingen uit de database. Uiteindelijk werd PlaNet ingesteld op een dataset van 2,3 miljoen afbeeldingen met geotags van Flickr.
De resultaten? PlaNet kon het land van herkomst voor 48 procent van de foto's en het continent bepalen. Bovendien kon het systeem voor 3,6 procent van de Flickr-beelden een locatie op straatniveau lokaliseren en voor 10.1 procent op een locatie op stadsniveau.
En PlaNet is hier beter dan de meeste mensen - zelfs de grootste globetrotters. Weyand heeft tien goed bereisde personen in dienst genomen om te concurreren met PlaNet in een spelletje labellocaties met foto's in Google Street View.
"In totaal won PlaNet 28 van de 50 ronden met een mediane localisatiefout van 1131,7 km, terwijl de mediane menselijke localisatiefout 2320,75 km bedroeg", schreven de onderzoekers. "Dit kleinschalige experiment toont aan dat PlaNet bovenmenselijke prestaties bereikt bij de taak om Street View-scènes te geoloceren."
Is dit voor echt? Heeft een Google-technicus eigenlijk gewoon een 'bovenmenselijke' A.I. ontwikkeld? systeem?
Als het gaat om geolocatie van afbeeldingen, misschien. En dat is niet zo verwonderlijk - het punt van A.I. is niet om het menselijke brein op alle manieren fundamenteel na te bootsen, maar om menselijke beperkingen op een paar specifieke manieren te overstijgen om veel moeilijkere taken te volbrengen. Dus in die zin is wat de onderzoekers schrijven waar.
Toch is het een uitdaging om PlaNet een 'neuraal netwerk' te noemen. Een ideale vorm van dat soort technologie zou in staat zijn om meer te weten te komen dan beeldgeolocatie. A.I. systemen zijn in staat om vergelijkingen te maken en te spelen Super Mario, maar dit zijn kleine dingen vergeleken met een ideaal "master" -systeem dat vitale functies automatisch kan bewaken en onderhouden, transport- of energie-infrastructuur kan beheren en nog veel meer.
Dit neurale netwerk kan je wazige beelden weer perfecte kwaliteit maken
Drie computerwetenschappers hebben een neuraal netwerk gemaakt dat in staat is om beschadigde afbeeldingen naar hun volledige resolutie te herstellen zonder de noodzaak van een grote dataset.
Dit AI neurale netwerk van Nvidia maakt fotorealistische nepbeelden
Computerwetenschappers van Nvidia en UC Berkeley hebben neurale netwerken gemaakt die in staat zijn om realistische afbeeldingen met een hoge resolutie te maken met alleen een basisblauwdruk.
Hoe de Tech in de afbeelding van het virale weerkanaal het aanpassen van nieuwsbrieven zal veranderen
Terwijl de oostkust tijdens de orkaan Florence instormde om donderdag aan te vallen, trok The Weather Channel de aandacht van het internet met een nieuwe mixed reality-toepassing die de geprojecteerde stormvloeden tot leven bracht. De afbeelding was een week geleden niet mogelijk, maar het is nog maar het begin.