Beeldherkenningsprogramma's worden getraind met behulp van databases met miljoenen foto's die handmatig zijn getagd om de computer te leren verschillende objecten te herkennen. Maar Facebook heeft al een interessante database met afbeeldingen binnen handbereik: Instagram. Tijdens de F8-conferentie, de socialemediagigant deelde hoe het bedrijf beeldherkenning door kunstmatige intelligentie trainde systeem door een combinatie van openbare Instagram-foto's en hashtags te gebruiken.
Het handmatig labelen van een afbeelding om een database van miljoenen foto's op te bouwen is een tijdrovend proces. vooral als het gaat om de specifieke details, zoals een soort vogel, in plaats van alleen maar labels "vogel." Facebook onderzoekers besloten in plaats daarvan te kijken of ze een bestaande, reeds gelabelde reeks afbeeldingen konden laten werken door openbaar gedeelde Instagram-afbeeldingen en de bijbehorende hashtags te gebruiken.
Aanbevolen video's
Het probleem is natuurlijk dat hashtags niet altijd gedetailleerd weergeven wat er op de foto staat. Hoewel sommige gebruikers het hondenras op de foto kunnen hashtagen, kan elke A.I. het systeem zou ook hashtags zoals #tbt (Throwback Thursday) of hashtags met meerdere betekenissen moeten doorzoeken. Facebook noemt deze irrelevante of niet-specifieke hashtags ‘onsamenhangende labelruis’.
Verwant
- Facebook begint Instagram en Messenger-chatfuncties op iOS en Android samen te voegen
- Facebook zegt dat de toekomst privé is, maar wat betekent dat?
- Facebook maakt gebruik van A.I. om 's werelds meest gedetailleerde bevolkingskaarten te maken
Om de ruis te doorbreken ontwierp Facebook een A.I. om toezicht te houden op de hashtags – in wezen het ontwerpen van een A.I. om dat dan te gebruiken maak nog een A.I. De onderzoeksgroep bouwde een hashtag-voorspellingsmodel en beperkte het trainingsprogramma vervolgens tot een specifieke lijst hashtags.
Het meest nauwkeurige beeldherkenningssysteem dat uit het experiment voortkwam, gebruikte een lijst van 1.500 hashtags en trainde op een miljard Instagram-foto's eindigen met een nauwkeurigheidspercentage van 85,4 procent – een beoordeling die volgens Facebook twee procent hoger is dan eerder geavanceerde modellen. Dat systeem was nauwkeuriger dan het model dat was getraind met 17.000 hashtags, waar het team naartoe leidde concluderen dat het verkleinen van de focus van de trainingsgegevens leidt tot een nauwkeurigere beeldherkenning systeem.
Facebook is van plan een soortgelijk idee te blijven gebruiken om een specifiekere computervisie te creëren die soorten bomen, bloemen en vogels kan herkennen. Een nauwkeuriger beeldherkenningssysteem zou kunnen worden gebruikt om bijvoorbeeld het bestaande programma van Facebook, dat de inhoud van afbeeldingen voorleest aan visueel gehandicapten, een boost te geven.
Facebook is van plan de insluitingen van het trainingsmodel als open source vrij te geven voor verdere uitbreiding.
Hoewel de toegang tot de grote datasets van Instagram zou kunnen helpen om in minder tijd een nauwkeurigere beeldherkenning te creëren, roepen anderen privacyvragen op. Facebook zei dat er bij het onderzoek alleen openbare Instagram-afbeeldingen zijn gebruikt.
Aanbevelingen van de redactie
- Facebook en Instagram kunnen binnenkort actief zoeken naar – en blokkeren – gestolen afbeeldingen
- Facebook annuleert de F8-ontwikkelaarsconferentie vanwege de angst voor het coronavirus
- De nieuwe camerafunctie van Instagram, Create Mode, is niet bedoeld voor het maken van foto's of video's
- Instagram zegt dat zijn A.I. kan pesten op foto's opsporen
- Facebook Marketplace wordt slimmer met nieuwe AI-aangedreven tools
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.
