Hogyan tanítjuk neurális hálózat felismeri a ruha és cipő, rusbase

Tehát volt csizma ék sarkú, bakancsok tűsarkú, csizmák széles sarkú csizma szőrme, stb

És az utolsó. Nem tudtuk, hogyan kell viselkedni elszántan neyronka cipő anyaga. Ez azt jelenti, hogy a hálózat a nagy bőr csizma bőr csizma keresni, vagy a keresési eredmények minden csizma hasonló alakú, de különböző anyagból?

Általában, miután már készített egy cipő osztályozót, elkezdtünk tartja magát valami vegyesen Alexander Vasziljev, Vjacseszlav Zaitsev és Valentin Yudashkin.

Letöltés kép a tanfolyamot félig automatikusan a belső algoritmusok és fél kézzel. Miután egy sor képek ellenőrizte, hogy nincsenek ismétlődések és alkalmi megfelelő képeket. Továbbá minden, a fájlok egységes címek és egy méret (mellék).

Mi akkor döfés

A neurális hálózatok most népszerű messze túlmutatnak a szűk szakmai közösség. Hullám az érdeklődés a mesterséges intelligencia a tömeg közönség korábban rögzített idén tavasszal, amikor AlphaGo. Hálózat-játékos először a Google nyerte meg a kerek Lee Si Dole, a világbajnok ebben a játékban. Peppers a történet hozzá egy egyéni induló Styling képek Prisma. Mlvch és korábbi Deepart.io.

Általánosságban meg kell jegyezni, hogy a hálózat vesz egy csomó. Ez cápa internetes piac, „Yandex” (például a legutóbbi funkció Auto.ru tényen gyártmányú és típusú autó a képen), a Microsoft (szolgáltatás What-Dog.net meghatározó kutyafajta fényképet.), Mail.ru és a Facebook (Facebook AI Research egység), és természetesen, a Google. De ez is egy fiatal start-up (csak azok, akik elég pénz a számítási teljesítmény).

Hálózati kemény tanul műszaki egyetemek szerte a világon, különösen a MIPT. By the way, a verseny a tudományos kutatás, rendszeresen megy a döntőbe a fejlesztők ennek az intézménynek.

A versenyzők ezen a területen, persze, sokat. Adataink szerint a végén a tavasz ebben az évben mintegy 23 vállalat 10 ország dolgozik a divat területén elismerést. A nagy játékos online kiskereskedelmi nyugati piacokon már feldolgozásra került a helyi cégek: e-Bay, Zalando, a Net Set, Macy, Yoox - a lista megy. De úgy gondoljuk, hogy elég mindenkinek.

Lehet, hogy most is szeretnének részt hálózatba. Cool!

Akkor kell szólnia, csak két pontot, amely készen kell állnia.

Ismét elereszt, hogy fontos része a technológia - ezt a képzést adatokat. Ez az első „de”. Ez a hálózat képes volt sikeresen különbséget egyik típusú objektum, meg kell gyűjteni néhány ezer példát ez a tárgy, ami kell képzést. Gyakran előfordul, hogy az objektumok száma a több száz. Végső képzési adatbázis megszámlálhatja több százezer, több millió tárgyat.

Bár meg kell határozni, hogy most vannak különböző technikák a gyorsított tanulás. Például a nyilvánosságnak már kiképzett egy sor kép ImageNet; predobuchennye neurális hálózatok, képes felismerni minták és nem igényelnek hosszú előállítására hálózat működik.

És a második - a tárolása és feldolgozása nagy adathalmazok igényel jelentős számítási teljesítmény és a forrásokat az infrastruktúra. Tanulni és dolgozni hálózatok szüksége térképek legalább 3-4 GB memória, és néhány architektúrák igényel mind a 11 giga. Kártya nem olcsó: egy kis projekt veszi a kártya költsége körülbelül 100 000 rubelt. Plusz, ez veszi el a legtöbb helyet az adatokat.

Így neurális hálózat technológiát széles körben fejlődött, és a kereslet is nagy. Az interneten megtalálható rengeteg irodalom és a kutatást a témában, még szoftver kód elérhető hálózatokat. Azaz, egyrészt, a technológia olyan, mint a nyilvánosság előtt, de a másik viszont, abban a pillanatban, hogy továbbra is bonyolult és nehezen érthető. A nagyvállalatok rendszeresen szervez különféle versenyeket a legjobb algoritmusok, és gyakran van egy csata mindössze tized és század pontosságú algoritmusokat.

Tehát a mi papírt a mobil elismerése terén a divat, mi volt az utolsó a KDD. A világ legnagyobb konferencia terén Knowledge Discovery és adatbányászat. A jelentés szövege az itt elérhető.

Továbbra is fejleszteni a technológiát, hogy szántani.