Récemment, Google a rendu public un rêve profond intéressant. Outre la génération artistique telle que http://deepdreamgenerator.com/ , voyez-vous des applications potentielles du rêve profond en vision par ordinateur ou en apprentissage automatique?
Réponses:
Il y a déjà au moins une application, si vous interprétez suffisamment `` application '': Réseau neuronal profond découplé pour la segmentation sémantique semi-supervisée par Hong, Noh et Han . Ils l'utilisent pour la segmentation de l'image . Les réseaux de reconnaissance d'image standard ne peuvent vous donner qu'un cadre de délimitation pour chaque objet reconnu sur une image. Si vous voulez savoir quels pixels constituent cet objet, vous devez effectuer une segmentation d'image.
Fondamentalement, après avoir trouvé un chien sur une image, l'architecture de Hong et al propage le chien à travers le réseau neuronal jusqu'au niveau des pixels, pour trouver les pixels qui étaient les plus responsables de l'apparition du chien. (Ils utilisent ensuite cette carte thermique comme entrée pour un réseau de segmentation supervisée, il n'y a pas de rêve profond dans cette partie.)
C'est déjà une sorte de preuve d'existence que l'idée de Deep Dream peut être utile en dehors de la manipulation d'image. Mais je ne minimiserais pas non plus la manipulation d'image elle-même. Je mentionne deux choses qui ne sont pas des applications immédiates de Deep Dreaming, et nous ne les avons pas actuellement, mais je peux voir une route plausible de l'algorithme original de Deep Dream vers celles-ci:
voici une autre application qui est très nouvelle et vient d'être démontrée au cours des dernières semaines. les ordinateurs sont des images filtrage pour ressembler à des peintures dans le style distinctif de différents des artistes Van Gogh, Picasso, etc ... et il semble possible puisque la technologie peut englober différents styles artistiques , il pourrait être utilisé pour la détection de la contrefaçon dans le monde de l' art à un certain point. (de nombreuses techniques d'analyse très avancées sont utilisées dans ce domaine historiquement.) notez que les méthodes de filtrage sont très populaires sur Instagram, il semble donc probable qu'elles seront commercialisées à un moment donné.
Il est impossible de prouver un négatif, mais à part utiliser le même système de détection de motif en général pour détecter des formes / images et les remplacer par d'autres images similaires, peut-être pour une correction d'image automatique ou similaire, je ne pense pas qu'il ait un réel potentiel en dehors de la modification des images.
Je devrai peut-être supprimer cette réponse si elle s'avère erronée.
Niveaux de gris à couleur
Par exemple:
http://s15.postimg.org/3xq8jx03f/image.jpg
à
http://s15.postimg.org/i5fx8kcsb/image.jpg
http://s15.postimg.org/c5s64wrzv/image.jpg
Le bois de l'arbre semble anormalement rouge mais quand même, ce n'est pas mal. Cela a fonctionné mais de manière moins impressionnante avec d'autres images en niveaux de gris que j'ai essayées.
Filtre de vulgarité visuellement sensible au contexte.
Dans d'autres mondes, rendre les vêtements physiquement réalistes et appropriés sur le plan thématique / stylistique sur les personnes insuffisamment habillées, pour rendre l'image plus sûre pour la famille.
C'est l'idée, mais pour le moment, elle est à la fois peu fiable et lorsqu'elle fonctionne de manière inexacte.
Cependant, plus de réglages des paramètres du rêve que ceux auxquels j'ai accès, ou peut-être simplement en utilisant plus d'itérations et une valeur d'octave inférieure à ce que je peux spécifier devraient rendre les résultats beaucoup plus fiables.
Exemples:
Avant: http://s22.postimg.org/5sjpqbzoh/image.jpg
Après: http://s22.postimg.org/wew6fb3vl/image.jpg
.