-
2019-02-28 09:40:35+00:00
Ребята поделились своим новым приложением – D P T H, я посмотрел:
Если у вас нет модного девайса с несколькими камерами, но тоже хочется размытия фона на фото, немного менять перспективу и легкого 3D-эффекта, то это приложение с нейронкой внутри может вам помочь.
Я потестировал на своей 2D-фотографии – в результате получил 3D-фьорд.
Правда не все фото хорошо обрабатываются, но для instagram постов – сгодится.
Скачать:
iOS | Android
P.S. Если вы разработчик и вдруг используете ML в проекте, и вам хочется поделиться этой радостной новостью с кем-то, вы всегда можете мне написать, клевые проекты я всегда пощу в канал 💝
-
2019-02-27 09:32:41+00:00
Интересно, будет ли неделя в этом году, когда Facebook в чем-то не обвинят.
На той неделе, расследование Wall Street Journal показало, что Facebook получает информацию о пользователях из сторонних приложений, даже если у пользователя нет учетной записи в Facebook (Речь о публичных библиотеках Facebook которые можно встроить в приложение). Из 70 приложений, протестированных WSJ, по крайней мере 11 отправили потенциально конфиденциальную информацию в Facebook.
Вот тут небольшой обзор утечки от Guardian.
Кстати, к протестированным приложениям относится «Flo Period & Ovulation Tracker», который отправляет в Facebook информацию когда у пользователя месячные или овуляция.
То есть Facebook буквально знает когда у девушек месячные.
Очень интересно узнать, что Facebook с этими данными делает помимо таргетированной рекламы.
P.S. Если вы вдруг чувствуете, что устали от умной ленты и случайных людей в вашей ленте, то тут я проводил эксперимент – отписался от всех 1 500 друзей и описал как это повторить.
Спустя год, я все так же отписан почти от всех, кроме пары человек, и я могу сказать что у меня самый чистый фейсбук на свете ✨
-
2019-02-21 12:00:40+00:00
Ну вот и дошли до момента, когда вот-вот и фотошоп еще меньше нужен – по ссылке, пока доступный для разработчиков, вариант «нейронного пэинта».
Я думаю месяц другой и будет уже несколько приложений которые позволят дорисовать новую прическу, очки, или улыбку таким же образом.
Работает просто – вы загружаете фото, водите «кистью» и нейронка дорисовывает что-то на фотографии ✨
Ссылка: https://github.com/JoYoungjoo/SC-FEGAN
-
2019-02-15 06:32:33+00:00
Небольшая игрушка с нейронной сетью StyleGAN, обновляете страницу, получаете лицо человека который не существует:
thispersondoesnotexist.com
Тут можно почитать как это работает:
https://vc.ru/58543
-
2019-02-14 14:42:41+00:00
Хороший пост с историей марсохода и фотографиями с марса:
https://tjournal.ru/88037
-
2019-02-13 22:20:15+00:00
Марсоход Opportunity отправили на миссию длинной в 90 дней, в итоге марсоход прослужил 5 515 дней, а сегодня его официально признали отключившимся.
Спи сладко космический друг, "скоро" люди тебя разбудят и поставят в уютный космический музей.
Подробнее:
https://www.cnet.com/news/nasa-opportunity-rover-mars-explorer-is-officially-dead
-
2019-02-13 10:19:27+00:00
Послушал дебаты двадцать минут, очень тяжело слушается и качество речи машины сделано не на уровне даже Google Speech синтеза, сложно оценить хорошо вышло или нет, так как из-за монотонного бубнежа скучно, а иногда и тяжело слушать.
Фактов робот произносит много, речь складывает в осмысленные предложения, держит контекст, но пока это даже не на уровне шоу – первые несколько минут, когда робот начинает говорить, сложно что-то расслышать из-за того как организовала все IBM.
Вот тут ссылка на полное видео:
https://youtu.be/m3u-1yttrVw?t=686
Но, это все временные сложности, думаю года через 3-4 можно ждать уже шоу-дебаты между псевдо-ИИ и людьми.
-
2019-02-13 07:53:22+00:00
«Я полагаю, вы никогда не дискутировали с машиной. Добро пожаловать в будущее», — так искусственный интеллект от IBM подшутил над мировым рекордсменом по дебатам перед началом.
На днях ИИ провёл с человеком открытые дебаты, на которых уверенно спорил, ссылался на исследования и даже проводил параллели. Но всё равно проиграл. Стоит ли считать результат справедливым, если так проголосовали люди?
https://tjournal.ru/tech/87927
-
2019-02-11 10:51:48+00:00
Люблю такие игры которые помогают разобраться в сложной теме и заодно развлечься.
Игра «while True: learn()» под Windows и Mac, как раз такая, а главное создана она для тех, кому интересно машинное обучение.
В игре интересно рассказана история машинного обучения, на простейших примерах даны сложные задачи, а самое главное, что уже где-то на уровне пятом ты начинаешь понимать какие-то принципы фильтрации данных и того, как работают какие-то алгоритмы, причем, вам сначала покажут алгоритмы созданные еще до эпохи нейронок и тп.
В игре есть классная помощь – с одной стороны описано как модуль ведет себя в игре, с другой стороны, как такой же аналог ведет себя в реальном мире.
По истории ваш кот оказался лучше программистом чем вы сами, поэтому консультируясь на catoverflow вы пытаетесь построить нейронку которая поймет его речь и расскажет вам, как он скомпилировал код пока вы отходили за кофе.
Весь геймлей – это сбор из «нод» схем для решения задачи, на скриншоте пример. А еще в игре есть шутки, что всегда радует 💖
Ссылка на Steam.
Я пока потратил на игру часов 5-6, но мне очень нравится.
Вот прошлый пост на тему таких игр.
-
2019-02-08 11:43:31+00:00
r/ #gifs
Примерочная своими руками
-
2019-02-08 11:43:31+00:00
Если у вас вдруг не работает ARKit для того чтобы примерить обувь в дополненной реальности на iOS (я выше писал про это приложение), то можно и так обойтись ✨
-
2019-02-07 13:08:44+00:00
Давно собирался написать простое описание того, как работает сверточная нейронная сеть (CNN), надеюсь, получилось понятно ✨
Детская футбольная команда, которую вы тренируете, только что выиграла большой матч, и вы спрашиваете детей, хотят они пойти за пиццей (в пиццерию) или за гамбургерами (в Макдональдс). Каждый ребенок начинает кричать о своих предпочтениях, и вы идете покупать то, о чем дети кричали громче всего.
Так работает нейронная сеть, но на нескольких уровнях. Узлы верхнего уровня получают данные на вход, каждый слой сети обнаруживает определенное свойство и кричит, когда видит это свойство — чем интенсивнее свойство, тем громче «узлы» кричат.
Теперь у вас есть куча узлов, кричащих «Ухо, я вижу ухо!», «Нос!», «Оно круглое!» с разным уровнем громкости. Следующий слой слушает и на основании того, что он слышит, узлы начинают кричать о более сложных функциях: «У него есть мордашка?!», «У него есть мех», пока, наконец, не дойдете до последнего уровня, где узел кричит «Это котенок!».
Волшебная часть машинного обучения заключается в том, что никто не говорит узлам, когда кричать, эта механика основана на «обратной связи». Ваша маленькая футбольная команда ходила за гамбургерами и некоторые из детей заболели. На следующей неделе они могут не кричать о гамбургерах или кричать о них не так громко из-за болящего живота. Дети все вместе узнали, что гамбургеры, возможно, не были хорошей идеей, и с большей вероятностью откажутся от них в будущем.
Нейронная сеть обучается почти таким же образом. Вы кормите ей кучу фотографий котенка и не котенка. Если сеть понимает все правильно, узлы усиливаются, поэтому узлы с большей вероятностью будут громко кричать так же в похожих ситуациях. Если этого не случается, то узлы, которые на «котят» кричат «собака», штрафуют. Первоначально результаты нейронной сети будут почти случайными, но если вы спроектировали сеть правильно, она будет становиться все лучше и лучше по мере адаптации узлов. Часто встречаются нейронные сети, которые работают без какого-либо понимания того, как именно это работает (если вы, конечно, не ученый).
Поздравляю, вы теперь ML-инженер 👨🎓