Недавно Google опубликовал интересную глубокую мечту. Помимо создания произведений искусства, таких как http://deepdreamgenerator.com/ , видите ли вы какие-либо потенциальные применения глубокого сна в компьютерном зрении или машинном обучении?
Уже есть, по крайней мере, одно приложение, если вы достаточно широко интерпретируете «приложение»: отделенная глубокая нейронная сеть для семантической сегментации под наблюдением Хонга, Ноа и Хана . Они используют его для сегментации изображения . Стандартные сети распознавания изображений могут дать вам ограничивающую рамку только для каждого объекта, распознанного на изображении. Если вы хотите узнать, какие пиксели составляют этот объект, вы должны выполнить сегментацию изображения.
По сути, после обнаружения собаки на изображении архитектура Хонга и его коллег направляет собаку обратно через нейронную сеть до уровня пикселей, чтобы найти пиксели, которые были наиболее ответственны за появление собаки. (Затем они используют эту тепловую карту в качестве входных данных для контролируемой сети сегментации, в этой части нет глубоких сновидений.)
Это уже своего рода доказательство существования того, что идея Deep Dream может быть полезна вне манипуляций с изображениями. Но я бы не стал принижать и манипулирование имиджем. Я упоминаю две вещи, которые не являются непосредственными применениями Deep Dreaming, и у нас их нет в настоящее время, но я могу увидеть правдоподобный путь от оригинального алгоритма Deep Dream к этим:
Вот еще одно приложение, которое является очень новым и только что продемонстрировано в течение последних нескольких недель. компьютеры фильтруют изображения, чтобы они выглядели как картины в отличительном стиле разных художников, например Ван Гога, Пикассо и т. д., и это кажется возможным, поскольку технология может охватывать различные художественные стили, которые могут использоваться для обнаружения подделок в мире искусства в некоторых случаях. точка. (многие очень продвинутые методы анализа используются в этой области исторически.) обратите внимание, что методы фильтрации очень популярны в Instagram, поэтому, вероятно, в какой-то момент они будут коммерчески доступны.
Невозможно доказать отрицательный результат, но кроме использования той же системы обнаружения шаблонов для обнаружения фигур / изображений и замены их другими подобными изображениями, возможно, для использования при автоматической коррекции изображений или аналогичных, я не думаю, что это реально потенциал за пределами изменения фотографий.
Возможно, мне придется удалить этот ответ, если он окажется неверным.
источник
Оттенки серого в цвет
Например:
http://s15.postimg.org/3xq8jx03f/image.jpg
в
http://s15.postimg.org/i5fx8kcsb/image.jpg
http://s15.postimg.org/c5s64wrzv/image.jpg
Дерево кажется неестественно красным, но все же это неплохо. Это сработало, но менее впечатляюще с другими изображениями в градациях серого, которые я пробовал.
источник
Наритивно контекстно-зависимый, фильтр ненормативной лексики
В других мирах физически реалистичная и тематически / стилистически подходящая одежда для людей, которые недостаточно одеты, чтобы сделать образ более безопасным для семьи.
Это идея, однако на данный момент она ненадежна и когда она работает неточно.
Однако большее изменение параметров сна, чем у меня есть, или, возможно, просто использование большего количества итераций и более низкого значения «октавы», чем я могу указать, должно сделать результаты намного более надежными.
Примеры:
До: http://s22.postimg.org/5sjpqbzoh/image.jpg
После: http://s22.postimg.org/wew6fb3vl/image.jpg
,
http://s13.postimg.org/c4urz139j/image.jpg
источник