Contenu
Google Labs a publié un blog très intéressant sur l'utilisation de réseaux de neurones formés pour reconnaître des objets et peindre d'autres objets.
Nous formons un réseau neuronal artificiel en lui montrant des millions d’exemples d’entraînement et en ajustant progressivement les paramètres du réseau jusqu’à obtenir les classifications souhaitées. Le réseau est généralement constitué de 10 à 30 couches superposées de neurones artificiels. Chaque image est transmise au calque d’entrée, qui communique ensuite avec le calque suivant, jusqu’à atteindre le calque «de sortie». La "réponse" du réseau provient de cette dernière couche de sortie.
Ils appellent cela "l'inceptionisme" et les résultats sont plus qu'un peu bizarres. Les diapositives suivantes montrent les résultats de différents réseaux de neurones "décrivant" la chose sur laquelle ils ont été formés, même si la source ne contient pas de données apparentées, ni même aléatoires. Les mécanismes sous-jacents sont assez complexes, mais imaginez que vous voyez comment un réseau de neurones "voit" le monde.
SuivantSkyarrow
C'est assez simple, mais le réseau a été invité à trouver toutes les flèches.
Chevalier
Avec une image d'un chevalier, ce réseau de neurones trouve ce sur quoi il a été entraîné: des animaux à gogo!
Animaux à la campagne
Cela ressemble à un paysage, mais il est composé d'un éventail insensé d'animaux et de la faune.
Cri de chien
La pièce emblématique d'Edward Munch va aux chiens. Les yeux sont un peu dérangeants.