Bildigenkänningsprogram tränas med hjälp av databaser med miljontals fotografier som är manuellt taggade för att lära datorn att upptäcka olika objekt. Men Facebook har en intressant databas med bilder redan till hands: Instagram. Under F8-konferensen, sociala mediejätten delade hur företaget tränade en artificiell intelligensbildigenkänning system genom att använda en kombination av offentliga Instagram-foton och hashtags.
Att märka en bild manuellt för att bygga en databas med miljontals bilder är en tidskrävande process, speciellt när man går ner till de specifika detaljerna som en fågelart snarare än att bara märka "fågel." Facebook forskare bestämde sig istället för att se om de kunde få en befintlig, redan märkt uppsättning bilder att fungera genom att använda offentligt delade Instagram-bilder och deras tillhörande hashtags.
Rekommenderade videor
Problemet är naturligtvis att hashtags inte alltid beskriver vad som finns på bilden. Medan vissa användare kan hashtagga hundrasen på bilden, kan alla A.I. Systemet skulle också behöva sålla bland hashtags som #tbt (Throwback Thursday) eller hashtags med flera betydelser. Facebook kallar dessa irrelevanta eller ospecifika hashtaggar för "osammanhängande etikettbrus".
Relaterad
- Facebook börjar slå samman Instagram, Messenger chattfunktioner på iOS, Android
- Facebook säger att framtiden är privat, men vad betyder det?
- Facebook använder A.I. att skapa världens mest detaljerade befolkningskartor
För att bryta igenom bruset designade Facebook en A.I. att övervaka hashtaggarna - i huvudsak designa en A.I. att sedan använda det till skapa en annan A.I. Forskargruppen byggde en hashtag-prediktionsmodell och begränsade sedan träningsprogrammet till en specifik lista med hashtags.
Det mest exakta bildigenkänningssystemet som kom från experimentet använde en lista med 1 500 hashtags och tränade på en miljard Instagram-bilder, som slutar med en noggrannhetsgrad på 85,4 procent - ett betyg som Facebook säger är två procent högre än tidigare avancerade modeller. Det systemet var mer exakt än modellen tränade med 17 000 hashtags, vilket ledde laget till dra slutsatsen att en minskning av fokus för träningsdata leder till en mer exakt bildigenkänning systemet.
Facebook planerar att fortsätta använda en liknande idé för att skapa mer specifik datorvision som kan känna igen typer av träd, blommor och fåglar. Ett mer exakt bildigenkänningssystem skulle kunna användas för att stärka Facebooks befintliga program som till exempel läser innehållet i bilder till synskadade.
Facebook planerar att släppa utbildningsmodellens inbäddningar som öppen källkod för ytterligare expansion.
Medan tillgången till Instagrams stora datamängder kan hjälpa till att skapa mer exakt bildigenkänning på kortare tid, väcker andra frågor om integritet. Facebook sa att endast offentliga Instagram-bilder användes i forskningen.
Redaktörens rekommendationer
- Facebook, Instagram kan snart aktivt söka efter — och blockera — stulna bilder
- Facebook ställer in F8-utvecklarkonferensen på grund av rädsla för coronaviruset
- Instagrams nya kamerafunktion, Skapa läge, är inte för att ta foton eller video
- Instagram säger att dess A.I. kan spåra mobbning på bilder
- Facebook Marketplace blir smartare med nya A.I.-drivna verktyg
Uppgradera din livsstilDigitala trender hjälper läsare att hålla koll på den snabba teknikvärlden med alla de senaste nyheterna, roliga produktrecensioner, insiktsfulla redaktioner och unika smygtittar.
