Загрузка...PlaNet — нейронная сеть от Google, определяющая место на планете по фотографии
PlaNet: open source модель от DeepMind для обучения агентов с подкреплением
PlaNet (Deep Planning Network) — нейронная сеть от Google Brain и DeepMind, которая изучает модель мира, просматривая изображения, и применяет полученные знания для планирования своих действий.
Обучение с подкреплением для тренировки алгоритмов (когда сеть обучается с помощью вознаграждений) эффективно применяется для создания моделей принятия решений. Model-based обучение с подкреплением позволяет агенту четко планировать и точно выбирать действия (пример — алгоритм AlphaGo от DeepMind), но требует времени и больших вычислительных ресурсов.
Для планирования действий в неизвестной среде, например, для управления роботом, эффективнее обучить модель изучать механику из опыта, создав обобщенную модель, а не обучать каждому конкретному действию в отдельности. Поэтому для создания PlaNet исследователи из DeepMind решили использовать подход model-free, в котором агент обучается на основе сенсорных наблюдений.
Агент изучает контекст из первых 5 кадров, чтобы понять задачу и условия мира, и точно прогнозирует последовательность действий на 50 шагов вперед.
Как работает PlaNet
PlaNet создает динамическую модель данных на основе входящих изображений и использует их для получений нового опыта. Алгоритм использует модель скрытой динамики: вместо прямого прогнозирования от одного изображения к следующему, модель прогнозирует скрытое состояние. Изображение и вознаграждение на каждом этапе генерируются из соответствующего скрытого состояния.
Сжимая изображения таким образом, агент может автоматически запоминать более абстрактные представления, такие как положение и скорость объектов. Кроме того, использование скрытых представлений ускоряет планирование новых действий.
Модель скрытой динамики
Агенту не нужно генерировать изображения: он должен спрогнозировать будущее вознаграждение, чтобы выбрать последовательность действий. Таким образом сеть может представить, как изменится положение мяча и его расстояние до цели от определенного действия без необходимости визуализировать сценарий.
PlaNet сравнивает 10 000 последовательностей действий с большим размером батча каждый раз, когда нужно спланировать действие и выбирает первое с наилучшей найденной последовательностью.
Результаты
В тестировании PlaNet превзошла другие model-free подходы — A3C или D4PG. Более того, в случайно выбранной среде она научилась шести действиям за 2000 попыток, в то время как другим агентам требовалось в 50 раз больше для достижения сопоставимой производительности. PlaNet превосходит A3C во всех задачах и достигает конечной производительности, близкой к D4PG, при этом используя в среднем на 5000% меньше взаимодействия с окружающей средой.
Сравнение результатов PlaNet с другими методами
Дальнейшие исследования будут направлены на изучение точных моделей динамики для задач высокой сложности, таких как движения в трехмерных средах и реальные задачи робототехники.
Подробнее о сети можно прочесть в блоге Google. Открытый код доступен на GitHub.
masterok
Помните, как то была новость, что Китайский Baidu побил рекорд Google в качестве распознавания изображений. Но Гугл не останавливается конечно на достигнутом. Всем мы давно уже пользуемся тем, что можно найти по кусочку картинки или по всей картинке такие же изображения различного качества и размера на других ресурсах. Но вот есть и в этом направлении движение вперед.
Специалист по технологиям компьютерного видения Тобиас Вейанд (Tobias Weyand) и его коллеги из компании Google разработали новую систему искусственного интеллекта под названием PlaNet, основанную на технологиях глубинного изучения, которая была обучена по визуальным признакам идентифицировать местоположение, в котором был сделан анализируемый снимок.
Основой базы данных программы PlaNet является условная сетка поверхности земного шара, исключая океаны и полярные области, к координатам которой привязано 126 миллионов снимков, снабженных геолокационными метками и взятых на «просторах» Интернета. Мне кажется все же процент возможных распознаваний будет не так велик, может быть в будущем, когда база будет просто огромна, да и то сложно себе представить, что нельзя будет снять какое то место, которое еще никто не снимал с этого ракурса.
Но вот что пишут про эту систему еще …
По строению программа PlaNet является искусственной нейронной сетью. Как известно, такие нейронные сети обладают возможностью самообучения, для этого им надо дать только «первоначальный толчок». Именно это сделали исследователи из Google, которые обучили программу определять местоположение по визуальным особенностям, присутствующим на сниках.
Для проверки точности работы программы PlaNet, Тобиас Вейанд с коллегами «натравили» программу на сервис изображений Flickr, 2.3 миллиона снимков на котором снабжены геолокационными метками. Программа в 48 случаях правильно определяла континент, страна правильно была определена в 28.4 процентах случаев, а правильное определение города и улицы было произведено в 10.1 и 3.6 процентах случаев соответственно. Вышеперечисленные цифры имеют не очень впечатляющие значения. Однако, здесь следует отметить, что на сервисе Flickr имеется масса снимков, не несущих информации о местоположении, это снимки интерьеров, домашних животных, пищи и т.п.
Проверив работоспособность программы, исследователи из Google заставили свое детище конкурировать с десятью людьми с высокой степенью интеллекта, которым довелось много поездить по всему белу свету. И искусственный интеллект выиграл у людей более чем в половине раундов, всегда демонстрируя более высокую точность определения местоположения снимка.
Интересен тот факт, что программа PlaNet не нуждается в огромных вычислительных ресурсах, ей требуется всего 377 МВ памяти, что позволяет запускать ее даже на смартфоне. А это, в свою очередь, позволит людям получать более разнообразную информацию, чем могут предоставить другие подобные сервисы типа Google Googles или Panoramino.
Нейронная сеть Google сообщает, где именно были сделаны фотографии
Нет ничего сложного в том, чтобы определить, где именно было сделано фото, если на нем запечатлен какой-то известный всем объект. Но что насчет снимков природы и обычных улиц, на которых нет никаких конкретных узнаваемых ориентиров? Компания Google уверена, что в данном случае придет на помощь искусственный интеллект.
Корпорация разработала нейронную сеть PlaNet, которая базируется на технологии распознавания изображений для определения местонахождения по фото. Код ищет контрольные визуальные подсказки, такие как архитектура зданий, языки и растительность, после чего сравнивает их со 126 миллионами фотографий с геотегами из собственной базы данных, и эти фотографии сформированы в 26 000 структурных сетей. Программа может сообщить, что вы сделали фото в Бразилии, основываясь на пышной растительности и вывесках на португальском языке. Искусственный интеллект может даже идентифицировать фотографии, сделанные в помещениях, используя другие, более узнаваемые фотографии.
PlaNet – система не идеальная и не самая надежная. Пока, по крайней мере. Результат зависит именно от количества фотографий, загруженных в базу данных, и на уровне города сеть способна указать точно всего лишь около 10 процентов всех фотографий. Однако первые тестирования системы показали, что она уже в любом случае функционирует лучше, чем человеческий мозг, так как даже самые искушенные путешественники не обладают такими углубленными познаниями. При условии, что исследователи усовершенствуют технологию, мы сможем пользоваться мобильными приложениями, которые идентифицируют местонахождение по фотографиям, даже когда не включена система GPS.
Новости по теме:
Партнерская программа: в чем преимущества для вебов?
Гемблинг партнерки – это удобный способ заработка, если у вас есть аудитория пользователей. Огромным плюсом для вебов является то, что вся основная организация работы уже настроена. Вам не нужно искать заказчика, конкурировать с другими исполнителями, доказывать, что ваша площадка лучше подходит под оффер, а после получения оффера оговаривать множество нюансов по отчетности и оплате. Все это за вас делает сра-сеть. Все что вам нужно – просто зарегистрироваться и начать сотрудничество по конкретному офферу.
Российские власти выделят миллиарды на создание отечественного ПО
Правительство России собирается выделить гигантскую сумму на разработку российского программного обеспечения. Это будет господдержка, и деньги будут выделены из бюджета не позднее 2024 года. Как стало известно «Коммерсанту», сумма составит 46,3 миллиарда рублей, выдаваться она будет в виде грантов. Решение было принято в рамках заседания Президиума правительственной комиссии по цифровому развитию. Что важно, пока неясно, о каком софте идет речь – разумеется, такие деньги будут вложены только в очень крупный проект, который в дальнейшем будет использоваться или государством, или госструктурами, или же бюджетными ведомствами.
Куда в России пойти работать с онлайн-образованием
Пандемия коронавируса COVID-19 перевернула весь мир и все его аспекты, включая процесс обучения. Многие вузы начали обучать студентов онлайн, да и специализированные веб-ресурсы, обучающие тем или иным специальностям, на отсутствие клиентов теперь точно не жалуются. Вот только берут на работу специалистов с онлайн-образованием далеко не везде. В России так сложилось, что компании малого и среднего бизнеса не очень хотят видеть в своем штате людей, отучившихся в интернете – им все еще нужны работники, потратившие несколько лет своей жизни на полировку мягким местом стульев в аудиториях. Другое дело, по данным РБК, – крупные компании, вот им обучившиеся в онлайне специалисты очень даже нужны.
Что такое сервис виртуальных номеров, и для чего он нужен
Что такое сервис виртуальных номеров
Сервис виртуальных номеров – это очень популярная в России и многих странах мира услуга. Она позволяет покупать одноразовый российский номер для самых разных целей, притом не выходя из дома, в любых объемах и без физических SIM-карт, Подобной услугой могут пользоваться как физлица, так и индивидуальные предприниматели, а также юридические лица, и у каждого может быть свой сценарий применения виртуальных номеров.
Как определить и найти место по фото
Еще несколько лет назад казалось невозможным определить место по фотографии. Сегодня существует ряд сервисов и приложений, позволяющих не только безошибочно идентифицировать местоположение по цифровому снимку, но и проложить оптимальный маршрут к нужному объекту.
Google Lens умеет определять места
Google Lens – технология распознавания изображений, позволяющая определить объекты с помощью визуального анализа на основе нейронных сетей. Еще совсем недавно данная система была доступна только владельцам смартфонов Google Pixel. Сейчас приложение «Google Объектив» можно скачать абсолютно бесплатно в Play Market и установить на мобильный телефон или планшет, работающий под управлением ОС Android.
Google Lens позволяет исследовать окружающую местность, узнавать интересные факты о достопримечательностях, названия животных и растений, а также сканировать и переводить тексты. Для того, чтобы найти место по фотографии, нужно выполнить следующие действия:
- Установить приложение.
- Запустить его и загрузить нужное фото.
- Навести камеру на необходимое место, не фокусируясь на определенном объекте. Несколько секунд спустя алгоритмы Google Lens подберут снимки похожих мест.
Таким образом любой владелец Android-устройства может без труда узнать, где сделано фото.
Яндекс Алиса находит места по фотографиям
Виртуальный помощник Яндекс Алиса умеет находить различную информацию по голосовым запросам, поддерживать беседы на всевозможные темы, включать любимые песни, заказывать еду, вызывать такси, определять геолокацию и находить места по фотографиям. Для того, чтобы обнаружить нужную локацию по снимку, нужно скачать и установить Яндекс Браузер в AppStore или Play Market и выполнить следующие действия:
- Запустить Yandex Browser и кликнуть по фиолетовой иконке (находится в нижней части экрана). Данная клавиша активирует работу голосового помощника.
- Обратиться к Алисе с просьбой выполнить определение места, на котором была сделана фотография.
- Затем нужно нажать на кнопку с изображением камеры (находится в диалоговом окне) и загрузить нужное фото.
Система искусственного интеллекта выполнит анализ снимка и выведет на экран перечень похожих локаций.
Photo Map умеет распознавать места по изображениям
Программа Photo Map обладает множеством полезных функций. Оно позволяет хранить фотографии в локальной памяти устройства и облаке, сортировать их по дате съемки, создавать слайд-шоу и воспроизводить видеозаписи. Для того, чтобы идентифицировать локацию и определить местоположение на карте по цифровому снимку, нужно скачать мобильное приложение в AppStore или Google Play Store, а затем:
- Выполнить синхронизацию с сервисом Google Drive, указав данные для авторизации.
- Подключиться к Google Photos.
- После синхронизации Photo Map будет автоматически привязывать снимки к карте.
В Photo Map есть опция настройки отображения карты в режиме спутника, гибрида, рельефа или 3D. При просмотре сделанных фотографий через приложение можно удалять их, а также делиться в мессенджерах с друзьями и подписчиками. В бесплатной версии есть ограничение на 500 снимков. В случае приобретения платной версии пользователь получает в свое распоряжение место в облаке, которое позволяет хранить до 20 000 цифровых изображений. Кэширование фотографий происходит локально, что сводит до минимума риск хищения персональных данных.
AeroPic определяет места по снимку
Мобильное приложение AeroPic предназначено для путешественников, блогеров и фотографов. С его помощью можно по фото определить место, где оно было снято, а также получить исчерпывающую информацию, позволяющую добраться до приглянувшегося объекта и узнать о стоимости проживания. Для того, чтобы определить локацию по цифровому снимку, необходимо:
- Скачать установочный файл и инсталлировать приложение с официального сайта, AppStore или Play Market.
- Запустить приложение и кликнуть по круглой кнопке, которая называется «Загрузить фотографию» (находится в центральной части экрана).
После непродолжительного анализа приложение отобразит полный перечень обнаруженных изображений, совпадающих с исходным снимком. Алгоритмы, основанные на нейронных сетях, определяют местоположение с точностью до одного метра. AeroPic предоставляет актуальную информацию о стоимости отелей, билетов на самолеты и локальный транспорт, и оценивает локации по ряду параметров, таких как уровень безопасности, чистота воздуха и воды.
Приложение стало победителем конкурса Hackation VK 2019, проводимого социальной сетью ВКонтакте, и признан лучшей программой для путешественников в номинации от сервиса Aviasales.
IMGonline – помогает найти место, где было сделано фото
Ресурс IMGonline удобен тем, что для поиска локации по фото не требуется установка каких-либо приложений. Идентификация осуществляется с помощью технической информации (EXIF-данных) и географических координат места съемки. Для определения местоположения потребуется:
- Зайти на портал imgonline.com.ua через любой удобный браузер.
- Нажать на клавишу «EXIF информация».
- Выбрать нужный снимок и нажать на кнопку «Ok».
- Ознакомиться со списком фотографий, обнаруженных по запросу.
Онлайн-сервис предоставляет информацию о фотоаппарате или смартфоне, на который был сделан снимок, а также о программном обеспечении, использовавшемся для обработки цифрового изображения.
