Обсуждение

Спасибо, познавательно

Интересно, когда появится настоящий поиск по картинкам. Пока что поиск идёт по словам рядом с картинками.

Есть мнение, что если собрать много данных и тщательно их предобработать, то можно уже и без deep learning обойтись: http://papers.nips.cc/paper/5477-neural-word-embedding-as-implicit-matrix-factorization.pdf

Отнюдь. В гугл уже сегодня можно подгрузить свою картинку, без всяких слов, и он найдет похожую.

А если нет самой картинки, а есть только её описание?

Не поняла вопрос. Если есть описание, то используют описание. Используют все имеющиеся признаки, чтобы поиск был максимально эффективным. Но можно искать и без описания. И картинки в любом случае уже сгруппированы для эффективного поиска, и не только на основании описаний, но и на основании чисто графических свойств.

Настоящий поиск по картинкам вполне есть, и именно об этом мой пост. Поглядите внимательно на ссылки по подбору обуви (и я там даже специально заметил, что классификатора обуви хорошего нет, поэтому любой поиск идёт мимо слов и даже безымянных категорий). В том числе там идёт такой хитрый поиск, как подбор блузок и штанов под конкретный вид обуви -- то есть разобрались со стилями одежды, но без называния стилей и их жётской классификации.

Так алгоритмов же много: эволюционные, по аналогиям, коннекционистские, байесовские и т.д.. Одни хороши для скорости, другие для качества, третьи для особых бонусов. Опять же, движение "оптимизаторов" и классического deep learning навстречу друг другу вплоть до неразличимости (avlasov очень любит это подчёркивать, а также сводить любые обработки к "нормализации" и "инициализации", после чего решения по самому обучению становятся тривиальными). При этом всё время выпрыгивают сбоку неклассические варианты deep learning с попыткой уйти от backpropagation. Восхитительные времена. Мне это похоже на физику начала 20 века: только-только появилась теория относительности и квантовая физика, вся картина мира начала стремительно меняться, хотя в школьных учебниках по-прежнему царила ньютоновская механика. Так и в связи с deep learning: протоптали тропинку, теперь туда ринулись толпы самых разных подходов, а сверху появляются призрачные очертания когнитивных архитектур.

В пинтересте тоже появился, а та база картинок очень хорошая.

Кстати - матан понятие широкое... Ощущение переноса центра тяжести с дифуравнений на статистику... Занятно - как программы должны меняться.

Нет, там вполне себе дифуравнения в эпицентре, а не статистика. Там, где статистика, там обычно не дифуравнения.

Спасибо за наводку.

Найти по описанию картинку, рядом с которой нет и не было описания. Например, найти все пейзажи, на которых много красных деревьев и раннее утро, и есть птицы.

Я обратил внимание, что биоинформатики очень на статистику налегают...

Такое, насколько я понимаю, тоже делается, как раз с использованием нейросетей, за счет того, что картинка разбивается на составные части и поиск каждой части выучивается отдельно.

А есть ли какие-нибудь данные об успешном применении глубокого обучения в прогнозах погоды? По-моему там застоялось все. Данных там можно собрать навалом, коммерческое применение очевидное, тема мутная, плохо моделируемая уравнениями.

Мне кажется, что набрать в гугле deep learning weather forecast быстрее, чем писать сюда такой длинный вопрос. Я вот набрал (4 секунды на всё-про-всё) и тут же получил множество ответов на этот вопрос. Чего и вам желаю.

Да, практически всё сводиться к svd разложению.

Вообще не проблема. Компьютерное зрение распознает образы на картинке и превращает в сигнатуры вполне словесные, дальше по этим словам матчатся слова из запроса или сигнатур других картинок. не знаю насколько Гугль, но у нас в Яндекс это уже работает))

А может Ваш алгоритм найти «рисунок-комикс на котором кто-то обсуждает женщину-конструктора стоящей на стапеле ракеты с увеличенной последней ступенью и двумя шарообразными баками в основании, похожей на член с мошонкой»? Реально помню такую картинку, гулявшую по сети, но недавно безуспешно пытался её найти, чтобы воткнуть в подходящем месте какого-то диалога.