211service.com
En Google Glass-app vet vad du tittar på
Google har visat att kameran integrerad i Google Glass, företagets huvudburna dator, kan fånga en slående video. Nu maskininlärningsföretag AlchemyAPI har byggt en app som använder den kameran för att känna igen vad en person tittar på. Appen byggdes vid en anställd hack-session som hölls av företaget denna månad för att experimentera med sätt att demonstrera deras nya bildigenkänningstjänst.
Att se tydligt: Denna maskinsynsapp är 67 procent säker på att den tittar på ett skrivbord (Kredit: AlchemyAPI)
Appen kan antingen fungera på bilder tagna av en person som bär glas eller hela tiden ta bilder från enhetens kamera. De skickas till molnet eller en närliggande dator för bearbetning av AlchemyAPI:s bildigenkänningsprogram. Programvaran skickar tillbaka sin bästa gissning på vad den ser och sedan kommer Glass att visa, eller tala, domen.
Det finns en liten fördröjning och sedan kommer du att höra det säga 'fåtölj' eller 'bordsdator', säger AlchemyAPI:s vd Elliot Turner. Det tar cirka 250 ms att analysera en given bildruta.
Här är en video av appen i aktion:
Man kan säga att Turners app helt enkelt anger det uppenbara, men att göra det i (nästan) realtid är ingen enkel bedrift för datorseende programvara. AlchemyAPI:s bildigenkänningssystem är byggt på ett system av komplexa simulerade neurala nätverk av den typ som kallas djupinlärning, som kan producera system som lär sig snabbare och smartare än mer etablerade tekniker. Google har varit en pionjär inom detta område (se Deep Learning ) och många andra stora företag inklusive Microsoft (se Microsoft Brings Star Treks Voice Translator to Life) och Facebook (Facebook Launches Advanced AI Research Group) investerar också i tekniken.
En online demo visar kapaciteten hos AlchemyAPI:s bildigenkänningsprogram. Det visar att systemet svarar på ett konstant tåg av bilder hämtade från Google Bildsökning och Flickr.
Även om det är långt ifrån perfekt, är programvarans prestanda imponerande. Insikten som demot ger om säkerheten för varje bedömning den gör tyder också på att den lätt kan fås att framstå som mer kompetent. Många av systemets misslyckanden kommer när det försöker vara mycket specifikt. Att säga att det här är en insekt skulle vara bättre än att jag inte är säker på vad detta är, det kan vara en mantis eller en syrsa. Turner säger att tidiga kunder för bildigenkänningserbjudandet mestadels är medieföretag som vill kategorisera och söka i stora samlingar av omärkta fotografier.
Objektigenkänningssystem kan jämföras genom att testa dem mot standarddatabasen ImageNet, som innehåller mer än 50 miljoner bilder märkta med 22 000 olika kategorier. Elliot kommer inte att dela exakta siffror, men säger att hans system presterar i nivå med de bästa systemen som testats offentligt mot det, som vanligtvis får cirka 15-17 procent av sina gissningar fel. Ett sådant system driver nu objektigenkänningen inbyggd i Googles bildsökningsfunktion för sitt sociala nätverk Google Plus , efter att Google köpt en startup grundad av djupinlärningspionjären Geoffrey Hinton från University of Toronto år.