Ce vezi cand te uiti la aceasta imagine?
S-ar putea sa vezi pur si simplu un animal. Poate vedeti un animal de companie, un caine sau un Golden Retriever. Asocierea dintre imagine si aceste etichete nu este conectata la creier. In schimb, ai invatat etichetele dupa ce ai vazut sute sau mii de exemple. Operand pe mai multe niveluri diferite, ati invatat sa deosebiti un animal de o planta, un caine de o pisica si un Golden Retriever de alte rase de caini.
Invatare profunda pentru detectarea imaginilor
Oferirea computerelor la acelasi nivel de intelegere s-a dovedit a fi o sarcina foarte dificila. De-a lungul deceniilor, informaticienii au adoptat multe abordari diferite ale problemei. Astazi, a aparut un consens larg ca cel mai bun mod de a aborda aceasta problema este prin invatarea profunda. Invatarea profunda foloseste o combinatie de abstractie de caracteristici si retele neuronale pentru a produce rezultate care pot fi (asa cum a spus odata Arthur C. Clarke) indistinct de magie. Cu toate acestea, are un cost considerabil. In primul rand, trebuie sa depuneti multa munca in faza de formare. In esenta, prezentati reteaua de invatare cu un spectru larg de exemple etichetate („acesta este un caine”, „acesta este un animal de companie” si asa mai departe), astfel incat sa poata corela caracteristicile din imagine cu etichetele. Aceasta faza este costisitoare din punct de vedere computerizat datorita dimensiunii si naturii multistratificate a retelelor neuronale. Dupa finalizarea fazei de antrenament, evaluarea imaginilor noi in raport cu reteaua antrenata este mult mai usoara. Rezultatele sunt exprimate in mod traditional in niveluri de incredere (0 pana la 100%), mai degraba decat ca fapte reci si dure. Acest lucru va permite sa decideti cat de multa precizie este potrivita pentru aplicatiile dvs.
Va prezentam Amazon Rekognition
Astazi as dori sa va povestesc despre Amazon Rekognition. Dezvoltat de o invatare profunda si construit de echipa noastra de Computer Vision de-a lungul mai multor ani, acest serviciu complet gestionat analizeaza deja miliarde de imagini zilnic. A fost instruit cu privire la mii de obiecte si scene si este acum disponibil pentru a fi utilizat in propriile aplicatii. Puteti utiliza Demo-urile de recunoastere pentru a pune serviciul in miscare inainte de a va scufunda si a incepe sa scrieti codul care utilizeaza API-ul Rekognition.
Recunoasterea a fost conceputa din start pentru a rula la scara.
porno tens jovenes zorras
mi mujer es muy puta follada por su jefe
viejas tetonas comic maduras
chupadas mamadas a dos bocas
mamadas en la playa pollones enormes
abuelas incestos mama incesto
chantaje y lujuria se folla a su hijo
hermanas tetonas porno españa casero
enseñando a follar humillada y follada
corridas en el culo follame xxx
videos porno manga porno iberico
madres que se follan a sus hijos porno maduras en español
guarras masturbandose penes negros
peliculas x en castellano peliculas porno de viejas
amas de casa follando mamas cachondas
voyeur playa abuelos calientes
jovencitas xxx hd porno de abuelas
videos porno gratis caseros milf squirt
violada xxx mi vecina me folla
mi mujer follando porno agresivo
Intelege scene, obiecte si fete. Avand o imagine, aceasta va returna o lista de etichete. Avand in vedere o imagine cu una sau mai multe fete, aceasta va intoarce casete de delimitare pentru fiecare fata, impreuna cu atribute. Sa vedem ce are de spus despre poza cainelui meu (de altfel, numele ei este Luna):
Dupa cum puteti vedea, Rekognition a etichetat Luna ca un animal , un caine , un animal de companie si ca un golden retriever cu un grad ridicat de incredere. Este important de retinut ca aceste etichete sunt independente, in sensul ca modelul de invatare profunda nu intelege in mod explicit relatia dintre, de exemplu, caini si animale. Se intampla ca ambele etichete erau prezente simultan pe materialul de antrenament centrat pe caine prezentat Rekognition.
Sa vedem cum se intampla cu o poza cu sotia mea si cu mine:
Amazon Rekognition ne-a gasit fetele, a amenajat cutii de delimitare si mi-a spus ca sotia mea era fericita (fotografia a fost facuta de ziua ei, asa ca sigur sper ca a fost).
Puteti utiliza, de asemenea, Recunoastere pentru a compara fetele si pentru a vedea daca o anumita imagine contine una dintre numeroasele fete pe care i-ati cerut sa le recunoasca.
Toata aceasta putere este accesibila dintr-un set de functii API (consola este excelenta pentru demonstratii rapide). De exemplu, puteti apela DetectLabels pentru a reproduce programat primul meu exemplu sau DetectFaces pentru a reproduce al doilea meu. Puteti efectua mai multe apeluri catre IndexFaces pentru a pregati Recunoasterea pentru a recunoaste unele fete. De fiecare data cand faceti acest lucru, Rekognition extrage unele imagini (cunoscute sub numele de vectori de fata) din imagine, stocheaza vectorii si arunca imaginea. Puteti crea una sau mai multe colectii de recunoastere si puteti stoca grupuri conexe de vectori de fata in fiecare.
Recunoasterea poate procesa direct imaginile stocate in Amazon Simple Storage Service (S3). De fapt, puteti utiliza functiile AWS Lambda pentru a procesa fotografii nou incarcate la orice scara dorita. Puteti utiliza AWS Identity and Access Management (IAM) pentru a controla accesul la API-urile de recunoastere.
Aplicatii pentru recunoastere
Deci, la ce poti folosi acest lucru? Am o multime de idei pentru a te incepe!
Daca aveti o colectie mare de fotografii, le puteti eticheta si indexa folosind Amazon Rekognition. Deoarece Recunoasterea este un serviciu, puteti procesa milioane de fotografii pe zi fara sa va faceti griji cu privire la configurarea, rularea sau scalarea oricarei infrastructuri. Puteti implementa cautare vizuala, navigare bazata pe etichete si tot felul de modele interactive de descoperire.
Puteti utiliza Rekognition in mai multe contexte diferite de autentificare si securitate. Puteti compara o fata de pe o camera web cu o fotografie cu insigna inainte de a permite unui angajat sa intre intr-o zona securizata. Puteti efectua supravegherea vizuala, inspectand fotografii pentru obiecte sau persoane interesante sau preocupante.
Puteti crea panouri publicitare „inteligente” care colecteaza date demografice despre spectatori.
Acum disponibil
Rekognition este acum disponibil in Est SUA (N. Virginia), de Vest SUA (Oregon), si Europa (Irlanda) Regiunile si puteti incepe sa utilizati – l azi. Ca parte a nivelului AWS Free Tier, puteti analiza pana la 5.000 de imagini pe luna si puteti stoca pana la 1.000 de vectori fata in fiecare luna pentru un an intreg. Dupa aceea (si la un volum mai mare), veti plati preturi pe niveluri pe baza numarului de imagini pe care le analizati si a numarului de vectori de fata pe care le stocati.
Sunteti gata sa aflati si mai multe? Avem un webinar pe 13 decembrie. Inregistrati-va aici.
– Jeff;
