Нейронная сеть фото: 10 нейросетей для обработки изображений

создаем оригинальные изображения с помощью нейронных сетей (удивляем девушку!)

Автор: Alexandr, 01.10.2022
Рубрики: Android (смартфоны, планшеты), Картинки, скрины и фото

Доброго времени!

Бесспорно, что яркие и броские фотографии всегда привлекали и будут привлекать внимание! Ну а вовремя сделанная такая необычная фотография способна не только поднять настроение, но и стать неплохим подарком по любому поводу 😉. Например, можно неплохо так удивить девушку!

Собственно, как вы догадались из названия статьи и предисловия — речь сегодня пойдет о нескольких сервисах, способных в авто режиме превратить вашу фотографию в яркую и интригующую картину (причем, не в простой рисунок, а во что-то более утонченное…).

Кстати, наверное, стоит отметить одну деталь: большинство нижеприведенных сервисов работают на основе нейросетей (т.е. одного из способа воплощения «искусственного интеллекта»). Так что есть (👇) неплохой способ проверить, что «думает» о вашем фото интеллект машины. ..

Приступим?!

*

📌 Близко к теме!

Как создать красивую открытку (картинку) для поздравления с Днем Рождения, Юбилеем, 8 марта и др. праздниками

*

Содержание статьи

• 1 Подборка интересных сервисов и приложений по обработке фото
  • 1.1 Ostagram
  • 1.2 DeepArt.io
  • 1.3 Для Android
    • 1.3.1 Приложение Prisma
    • 1.3.2 Приложение Vinci
    • 1.3.3 Приложение GoArt
    • 1.3.4 Приложение Toolwiz Photos

 → Задать вопрос | дополнить 

Ostagram

Сайт: https://www.ostagram.me/

Было — стало (Ostagram)

Очень интересный сервис, позволяющий вам получить оригинальную и красивую картину из фотографий (причем, вам совсем не нужно уметь рисовать — все сделает нейросеть).

Как это работает: вы загружаете на сервис парочку нужных вам фотографий (для обработки), одна из которых выступает в роли «базового» изображения, а вторая в роли «стиля». И из двух картинок автоматически получается одна, но зато какая!

Нейросеть иногда творит чудеса и сможет хорошо так удивить вас! Кстати, на главной страничке сайта вы можете просмотреть все самые интересные и популярные картины (весьма занимательно!).

1+1 равно…

Примечание: для использования сервиса — потребуется регистрация. В бесплатной версии время на обработку одной фотографии может варьироваться (в зависимости от нагрузки) — в среднем 3-7 мин.

*

DeepArt.io

Сайт: https://deepart.io/

Примечание: в августе 2022г. сайт периодически стал недоступен. Надеюсь, владельцы доведут его до ума…

DeepArt — главная страничка сервиса (скриншот с офиц. сайта)

Этот сервис во многом похож на первый… Однако, в качестве изображения под «стилевую основу» здесь есть свой набор и из него вам и придется выбирать.

Полученные картины смотрятся весьма необычно и даже местами экстравагантно. Точно можно удивить собеседника!

Также отметил бы, что на подготовку одной картины здесь уйдет чуть больше времени — около 10 минут. За ускоренную обработку — предусмотрен тариф ~2 евро…

Примеры работ с DeepArt

*

Для Android

Приложение Prisma

Play Market: https://play.google.com/

Prisma — главное окно приложения

Весьма популярное приложение для обработки фотографий. Позволяет в мгновение ока стать художником! См. примеры ниже (👇).

В чем суть: разработчики «оцифровали» и смоделировали стили популярных художников (Ван Гога, Пикассо, Левитана). Искусственный интеллект при помощи этих моделей может «изменить» любую картинку или фотографию — и это можете сделать вы с любым изображением прямо на своем телефоне!

По-моему, звучит весьма заманчиво?! Благо, что в отличие от вышеприведенных сервисов фотографии обрабатываются моментально!

Фото превратилось в картину… / Prisma

Примечание: в приложении десятки различных арт-стилей (на любой вкус!). Часть из этих стилей — бесплатны, другие — платны. Из минусов: настойчиво предлагается купить годовую подписку.

*

Приложение Vinci

Play Market: https://play.google.com/store/apps/details?id=io.vinci.android

UpToDown: https://vinci.uptodown.com/android

Vinci – Обработка фото нейросетями

Добротное приложение для ретуширования и мгновенной обработки картинок и фото. В арсенале приложения несколько десятков арт-стилей и моделей, благодаря которым можно изменить изображение до неузнаваемости! 👆

Например, можно превратить фото в мозаику (кистью), рисунок карандашом, мультипликационный кадр и т.д. Даже бесплатных фильтров хватит, чтобы вдоволь «поколдовать» над снимками.

Кстати, приложение позволяет отправить созданное изображение своим друзьям и знакомым.

*

Приложение GoArt

Play Market: https://play.google.com/

GoArt — пример изменения фото

Это приложение также, как и предыдущие, позволяет применять различные эффекты к фото, за исключением одного момента: можно обрабатывать изображения вплоть до 10M Pixel!

Благодаря новейшим технологиям нейросетей — можно практически мгновенно имитировать живопись от Ван Гога до Моне к выбранной вами фотографии. (ряд эффектов, кстати, платные, но и открытых — хватает с лихвой!)

Стоит отметить, что приложение активно развивается и разработчики почти каждую неделю добавляют новые эффекты и стили (вы всегда сможете удивлять своих друзей, коллег, близких!).

Рекомендую к ознакомлению!

*

Приложение Toolwiz Photos

Play Market: https://play.google.com/

Toolwiz Photos — раздел фильтры

Toolwiz Photos — это полноценный редактор фотографий, позволяющий не только применять какие-то креативные эффекты, но и, например, изменить размер изображения, что-то подрезать, замазать и т.д. ✌

Что касается темы нашей статьи: обратите внимание на вкладку «Фильтры» (см. скрин ниже). В ней вы сможете найти несколько десятков фильтров и эффектов, которые смогут изменить ваше фото до неузнаваемости! Парочка примеров у меня приведена ниже. 👇

Пример наложения эффектов

Кстати, что радует — в процессе работы не выскакивает никаких рекламных окон с предложением что-то приобрести.

В целом, весьма удобное приложение для повседневных нужд. Также рекомендуется к знакомству! 👌

*

Дополнения по теме — точно не будут лишними (благодарю заранее за комментарии).

Всего наилучшего!

👋

Первая публикация: 22.10.2020

Корректировка: 1.10.2022

RSS  (как читать Rss)

Полезный софт:

• Видео-Монтаж

Отличное ПО для создания своих первых видеороликов (все действия идут по шагам!).
Видео сделает даже новичок!

• Ускоритель компьютера

Программа для очистки Windows от «мусора» (удаляет временные файлы, ускоряет систему, оптимизирует реестр).

Другие записи:

Нейронные сети на службе фотографии.

Ретушь портрета в два клика, натуральная подстановка неба и другие современные возможности обработки

Порой совсем не обязательно добиваться идеальной картинки вручную: нужно обработать фото быстро, эффектно, пускай и не контролируя весь процесс. Последние версии редактора Adobe Photoshop как раз получили новые функции, базирующиеся на искусственном интеллекте (ИИ). До этого они были реализованы, например, в виде контентно-зависимого кадрирования, которое может дорисовать края изображения, инструмента Spot Healing Brush. Но технологии продвинулись настолько, что теперь нам доступны быстрая ретушь портрета, замена неба на фотографиях и не только. Искусственный интеллект берёт на себя всё больше.

Давайте посмотрим, какие инструменты будут полезны фотографу? Наша цель — не рассказать обо всех кнопках и регуляторах, а вдохновить читателя на новые подходы к обработке и познакомить с интересными программами.

Для подготовки обзора мы использовали рабочую станцию ConceptD СT-500 (ConceptD СT-500-51AD). Дело в том, что процессы, связанные с искусственным интеллектом, требовательны к ресурсам компьютера, в частности к видеокарте. В нашей конфигурации — мощнейшая видеокарта NVIDIA Quadro RTX4000. Линейка Quadro рассчитана не столько на геймеров, сколько на тех, кто работает с графикой: дизайнеров, архитекторов, видеомонтажёров и, конечно, фотографов. Зачем такая мощь для обработки картинок? Этим вопросом задаются до тех пор, пока фотограф не начал снимать профессионально, пока не появились задачи быстро и качественно обработать гигабайты снимков, пока он снимает в JPEG с низким разрешением… Да и упомянутые программы с ИИ на мощной видеокарте работают гораздо быстрее, что повышает и продуктивность, и комфорт.

Также в ConceptD СT-500 установлен процессор Core i9 девятого поколения (5 Ггц, 8 ядер) и целых 64 ГБ оперативной памяти — спасение для тех, кто работает с фото, ведь те же Adobe Lightroom и Photoshop требовательны к этому параметру.

Формат стационарного ПК хорош тем, что в него можно установить мощные десктопные комплектующие, сохранив низкий уровень шума при работе, ведь охлаждение в крупном корпусе реализовать проще, чем в тонком ноутбуке.

Корпус ConceptD СT-500 стильный: верх отделан под дерево, оранжевая подсветка. Здесь есть всё для удобной работы. К примеру, встроенный ридер для карт SD. Мечта фотографа и видеографа — больше не нужно подключать устройства для чтения карт памяти! Рядом есть встроенная беспроводная зарядка: кладём на неё смартфон, поддерживающий эту функцию, и он заряжается. Ещё один плюс — выдвигающаяся подставка для наушников. Её оценят и видеомонтажёры, и те, кто любит слушать музыку за работой.

Кстати, можно установить другой процессор, память, дополнительные жёсткие диски… Последнее актуально для тех, у кого объёмный фото- или видеоархив.

Что ж, приступим к изучению возможностей искусственного интеллекта.

Инструмент Neural Filters в Adobe Photoshop: быстрая ретушь портрета

Одна из сложностей портретной съёмки в том, что на ретушь порой уходит много времени, ведь нужно привести в порядок кожу модели. И если отдельные точки убрать легко, то с мелкими многочисленными недостатками справиться непросто. Здесь поможет новая функция — Neural Filters. Заявленный список возможностей Neural Filters гораздо шире, чем обработка портрета (к примеру, можно менять выражение лица модели). Но пока они находятся на уровне карикатурных скетчей и не способны выдать рабочий результат, так что сосредоточимся на сглаживании кожи в портрете.

Откроем портретный снимок и с помощью Spot Removal Tool уберём все крупные изъяны кожи. Теперь запустим Neural Filters.

Я специально взял кадр со сложным боковым светом, который подчеркнул все неровности кожи. Попробуем их исправить.

В открывшемся окне активируем пункт Skin Smoothing. Цвет и свет выровнены, убраны мелкие морщины. На этом можно было бы закончить, но обычно фильтр размывает кожу, отчего кадр выглядит «мыльным». Исправим это, подвинув регулятор Blur влево. Теперь всё отлично! Нажимаем «Ок». Окно Neural Filter закроется, а обработанное лицо появится в новом слое. Очень удобно!

Раз уж мы говорим о программах для обработки портрета, упомянем и Anhtropics PortraitPro, более мощный инструмент для бьюти-ретуши. Его отличают большие возможности настройки процесса, а также функция коррекции светотени на лице — эдакий Dodge and Burn за секунды. Если вы часто проводите портретные фотосессии, вам наверняка будет интересна эта программа. Однако такой эффект пригоден не для всех кадров, применять его нужно аккуратно.

С этими возможностями обработки главное — не перестараться. Чтобы эффективно ими пользоваться, нужно иметь чувство вкуса и меры, уметь вручную править результат средствами Adobe Photoshop: работать с масками, цветокоррекцией и прочим.

Luminar AI — редактор, базирующийся на функциях искусственного интеллекта

Luminar AI — графический редактор и RAW-конвертер, отличающийся от остальных решений на рынке. Если Capture One Pro нацелен на ручное управление процессом обработки (и от этого выглядит как пульт управления самолётом), то в Luminar AI тончайшие настройки подкрутить вручную нельзя, зато можно сказать программе «сделай красиво», и она сделает. Благодаря ИИ Luminar AI выполняет задачи, которые другим программам просто недоступны. Но обо всём по порядку.

Luminar AI умеет работать как самостоятельная программа, но можно запускать её и в среде Adobe Photoshop в качестве плагина.

Конечно, в Luminar AI есть привычные для любого RAW-конвертера функции регулировки яркости, контраста, цветов, работы с масками. Но в рамках этого обзора мы разберём интересные функции, связанные с ИИ.

Готовые решения обработки и простая ретушь портрета

Программа предлагает готовые решения обработки с учётом контента. Функция отлично подходит начинающим: подсказки программы сэкономят много времени.

Если открыть фото в Luminar AI, вы попадёте в раздел «Шаблоны» (зелёная стрелка). Здесь программа предложит варианты обработки (жёлтая стрелка). Ниже доступны и остальные шаблоны.

Готовые пресеты обработки были и раньше, в других программах. Отличие Luminar AI в том, что эти пресеты контентно-зависимые. Кстати, в них заложены не только параметры цветокоррекции, но и портретная ретушь.

Переходим в раздел «Редактирование», вкладка «Портрет AI». Здесь можно поработать над каждой частью лица отдельно, с помощью одного ползунка откорректировать форму лица. В Photoshop есть функция Liquify, и там пропорции можно настроить более детально. Но в этом и заключается философия Luminar — делать сразу всё с помощью одного регулятора. Кроме того, в Luminar AI можно быстро скорректировать фигуру: например, сделать модель стройнее или, наоборот, плечистее.

Доступные коррекции лица

Ретушь кожи — два ползунка и одна галочка. И при этом минимуме регулировок можно добиться хороших результатов!

Сглаживание неровностей кожи работает отлично. Полезная функция — устранение свечения. С её помощью можно убрать неестественный эффект размытия. А вот функция «Устранение дефектов кожи», призванная убирать значительные недостатки, не всегда работает корректно. Для этого по-прежнему удобнее использовать стандартные инструменты Adobe Photoshop (Spot Healing Brush).

На обработку этого снимка ушло немного времени. Luminar AI сам предложил такой стиль, и он действительно подходит сюжету.

Тревел-фотографы и пейзажисты также найдут здесь массу полезных функций. К примеру, можно подставить солнечные лучи, если того требует сюжет, или поработать с эффектом свечения, который часто используется в пейзажной фотографии.

Обработка пейзажной фотографии

Давайте рассмотрим на примере, какие уникальные возможности даст фотографу-пейзажисту софт с функциями ИИ.

Я немного опоздал на место съёмки: закатное солнце только что спряталось за гору, и эффектное освещение запечатлеть не получилось. Базовых коррекций в Lightroom оказалось недостаточно. Попробуем исправить ситуацию средствами Luminar AI.

Откорректируем базовые параметры яркости, контраста и цвета.

Регулировки «Акцент AI» и «Коррекция Неба AI» — это в прямом смысле ползунки «сделать красиво».

Добавляем солнце в нужном фрагменте кадра и настраиваем регулировки.

Добавим эффект «Мистика» (по сути это тоже эффект свечения).

И дополнительно настроим опции, которые есть в пункте «Свечение».

С помощью локальной маски я затемнил отвлекающее светлое пятно на земле. Но это можно сделать и стандартными инструментами Photoshop — кривыми и масками.

К минусам Luminar стоит отнести требовательность к ресурсам ПК, не очень стабильную работу. Однако эти проблемы решаются с помощью мощного компьютера с хорошей видеокартой. Последнюю программа нагружает очень активно!

Распознавание изображений с помощью глубокого обучения и нейронных сетей

Время чтения: 10 минут

Приятно осознавать, что нам, людям, удалось заставить машины работать с нашими естественными навыками: учиться на собственном примере и воспринимать внешний мир. Единственная проблема заключается в том, что требуется значительно больше времени и усилий, чтобы научить компьютеры «видеть», как мы. Но если мы подумаем о практической цели, которую эта возможность уже приносит организациям и предприятиям, усилия окупятся.

В этой статье вы узнаете, что такое распознавание изображений и как оно связано с компьютерным зрением. Вы также узнаете, что такое нейронные сети и как они учатся распознавать то, что изображено на изображениях. Наконец, мы обсудим некоторые варианты использования этой технологии в разных отраслях.

Что такое распознавание изображений и компьютерное зрение?

Распознавание изображений (или классификация изображений) — это задача идентификации изображений и их классификации по одному из нескольких предопределенных отдельных классов. Таким образом, программное обеспечение и приложения для распознавания изображений могут определить, что изображено на картинке, и отличить один объект от другого.

Область исследования, направленная на обеспечение машин такой способностью, называется компьютерное зрение . Являясь одной из задач компьютерного зрения (CV), классификация изображений служит основой для решения различных задач CV, в том числе:

Классификация изображений с локализацией – помещение изображения в заданный класс и рисование ограничивающей рамки вокруг объекта для показать, где он находится на изображении.

Классификация изображений и классификация изображений с локализацией. Источник: KDnuggets

Обнаружение объектов — категоризация нескольких различных объектов на изображении и отображение местоположения каждого из них с помощью ограничительных рамок. Итак, это вариация классификации изображений с задачами локализации множества объектов.

Объектная (семантическая) сегментация – идентификация конкретных пикселей, принадлежащих каждому объекту на изображении, вместо рисования ограничивающих рамок вокруг каждого объекта, как при обнаружении объектов.

Сегментация экземпляра – дифференциация нескольких объектов (экземпляров), принадлежащих к одному классу (каждого человека в группе).

Разница между обнаружением объектов, семантической сегментацией и сегментацией экземпляров. Источник: Условные случайные поля и глубокие нейронные сети для семантической сегментации

Исследователи могут использовать модели глубокого обучения для решения задач компьютерного зрения. Глубокое обучение — это метод машинного обучения, который фокусируется на обучении машин обучению на примерах. Поскольку в большинстве методов глубокого обучения используются архитектуры нейронных сетей, модели глубокого обучения часто называют глубокими нейронными сетями.

Глубокие нейронные сети: «как» распознавание изображений и другие методы компьютерного зрения

Распознавание изображений — одна из задач, в которых глубоких нейронных сетей (ГНС) преуспевают. Нейронные сети — это вычислительные системы, предназначенные для распознавания закономерностей. Их архитектура вдохновлена ​​структурой человеческого мозга, отсюда и название. Они состоят из трех типов слоев: входных, скрытых слоев и выходных. Входной слой получает сигнал, скрытый слой обрабатывает его, а выходной слой принимает решение или прогноз относительно входных данных. Каждый сетевой уровень состоит из 9 взаимосвязанных0025 узлов (искусственные нейроны ), которые выполняют вычисления.

Для визуальных типов — посмотрите наше видео, объясняющее технические особенности распознавания изображений

Что делает нейронную сеть глубокой? Количество скрытых слоев: в то время как традиционные нейронные сети имеют до трех скрытых слоев, глубокие сети могут содержать их сотни.

Архитектура нейронной сети, каждый слой состоит из узлов. Количество скрытых слоев не является обязательным. Источник: MathWorks

Как нейронные сети учатся распознавать закономерности

Как понять, знакомый это человек или незнакомец (осложнения вроде близорукости не учитываются)? Мы смотрим на них, подсознательно анализируем их внешность, и если какие-то врожденные черты — форма лица, цвет глаз, прическа, телосложение, походка или даже выбор одежды — совпадают с конкретным знакомым нам человеком, мы узнаём этого человека. Эта мозговая работа занимает всего мгновение.

Итак, чтобы иметь возможность распознавать лица, система должна сначала изучить их особенности. Его необходимо научить предсказывать, является ли объект X или Z. Модели глубокого обучения изучают эти характеристики иначе, чем модели машинного обучения (ML). Вот почему подходы к обучению моделей также различаются.

Обучение моделей глубокого обучения (таких как нейронные сети)

Чтобы построить модель машинного обучения, которая может, например, прогнозировать отток клиентов, специалисты по данным должны указать, какие входные характеристики (свойства проблемы) модель будет учитывать при прогнозировании результата. Это может быть образование клиента, доход, этап жизненного цикла, характеристики продукта или используемые модули, количество взаимодействий со службой поддержки клиентов и их результаты. Процесс построения признаков с использованием предметной области называется 9.0025 Особенности проектирования.

Если бы мы обучили модель глубокого обучения видеть разницу между собакой и кошкой с помощью инженерии признаков… Что ж, представьте себе сбор характеристик миллиардов кошек и собак, живущих на этой планете. Мы не можем построить точные функции, которые будут работать для каждого возможного изображения, учитывая такие сложности, как изменчивость объекта в зависимости от точки обзора, фоновые помехи, условия освещения или деформация изображения. Должен быть другой подход, и он существует благодаря природе нейронных сетей.

Нейронные сети изучают признаки непосредственно из данных, на которых они обучаются, поэтому специалистам не нужно извлекать признаки вручную.

«Сила нейронных сетей заключается в их способности изучать представление в ваших обучающих данных и в том, как лучше всего связать их с выходной переменной, которую вы хотите предсказать. В этом смысле нейронные сети изучают отображение. Математически они способны изучать любую функцию отображения, и было доказано, что они являются универсальными алгоритмами аппроксимации».0026 отмечает Джейсона Браунли в Ускоренном курсе по многослойным нейронным сетям персептрона .

Обучающие данные в данном случае представляют собой большой набор данных, содержащий множество примеров каждого класса изображений. Когда мы говорим о большом наборе данных, мы действительно имеем в виду это. Например, набор данных ImageNet содержит более 14 миллионов аннотированных человеком изображений, представляющих 21 841 концепцию (наборы синонимов или синсеты в соответствии с иерархией WordNet), в среднем по 1000 изображений на концепцию.

Каждое изображение аннотировано (помечено) категорией, к которой оно принадлежит – кошка или собака. Алгоритм исследует эти примеры, изучает визуальные характеристики каждой категории и в конечном итоге учится распознавать каждый класс изображений. Этот модельный стиль тренировок называется контролируемое обучение .

Иллюстрация того, как нейронная сеть распознает собаку на изображении. Источник: TowardsDataScience

Каждый слой узлов обучается на выходе (наборе признаков), созданном предыдущим слоем. Таким образом, узлы в каждом последующем слое могут распознавать более сложные детализированные функции — визуальные представления того, что изображено на изображении. Такая «иерархия возрастающей сложности и абстракции» известна как иерархия признаков 9.0026 .

Пример иерархии признаков, изученной с помощью модели глубокого обучения на лицах Lee et al. (2009). Источник: ResearchGate.net

Итак, чем больше уровней в сети, тем выше ее предсказательная способность.

Ведущей архитектурой, используемой для задач распознавания и обнаружения изображений, являются сверточные нейронные сети (CNN). Сверточные нейронные сети состоят из нескольких слоев с небольшими наборами нейронов, каждый из которых воспринимает небольшие части изображения. Результаты всех коллекций в слое частично перекрываются, чтобы создать полное представление изображения. Затем нижний слой повторяет этот процесс для нового представления изображения, позволяя системе узнать о композиции изображения.

История глубоких CNN восходит к началу 1980-х годов. Но только в 2010-х исследователям удалось добиться высокой точности решения задач распознавания изображений с помощью глубоких сверточных нейронных сетей. Как? Они начали обучать и развертывать CNN с использованием графических процессоров (GPU), которые значительно ускоряют сложные системы на основе нейронных сетей. Количество обучающих данных — фото или видео — также увеличилось, потому что камеры мобильных телефонов и цифровые камеры начали быстро развиваться и стали доступными.

Варианты использования распознавания изображений

Теперь вы знаете о распознавании изображений и других задачах компьютерного зрения, а также о том, как нейронные сети учатся назначать метки изображению или нескольким объектам на изображении. Давайте обсудим несколько реальных применений этой технологии.

Бренды отслеживают текстовые сообщения в социальных сетях с упоминанием своего бренда, чтобы узнать, как потребители воспринимают, оценивают, взаимодействуют с их брендом, а также что они говорят о нем и почему. Это называется социальным прослушиванием. Тип социального прослушивания, который фокусируется на наблюдении за разговорами, основанными на визуальном образе, называется (барабанная дробь, пожалуйста)… визуальным прослушиванием.

Тот факт, что более 80 процентов изображений в социальных сетях с логотипом бренда не имеют названия компании в подписи, усложняет визуальное прослушивание. Как получить представление об этом случае? С обнаружением логотипа.

Стартап Meerkat провел эксперимент, чтобы показать, как обнаружение логотипа может помочь визуальному прослушиванию. В течение полугода стартаперы собирали твиты со словами, часто употребляемыми в контексте пива, например, пиво , cerveza, барбекю, бар и другие. Они обучили систему распознавать логотипы популярных пивных брендов: Heineken, Budweiser, Corona, Bud Light, Guinness и Stella Artois. И они использовали его для анализа изображений из твитов, содержащих логотипы брендов.

Логотип Heineken в различных контекстах. Источник: Meerkat’s Medium

Специалисты проиндексировали метаданные твитов, чтобы получить представление о доле каждого бренда на рынке и его потребителях.

Сначала они сравнили количество постов с логотипами каждого бренда с их долей рынка и выяснили, что эти два параметра не взаимосвязаны. Затем специалисты извлекли географические координаты почти 73% изображений, размещенных в Твиттере, чтобы оценить присутствие бренда в разных регионах. Затем они нанесли на график процентное соотношение каждого сорта пива для пяти ведущих стран в наборе данных. Например, Bud Light наиболее популярен в США, в то время как у Heineken есть поклонники в разных странах с наибольшей долей в США и Великобритании. Команда также проанализировала изображения с лицами, чтобы определить пол любителей пива. Разница была незначительной: фотографии разместили на 1,34% больше мужчин.

Это не только измерение узнаваемости бренда. Предприятия используют обнаружение логотипа для расчета рентабельности инвестиций от спонсирования спортивных мероприятий или для определения того, был ли их логотип использован не по назначению.

Анализ медицинских изображений

Программное обеспечение на основе моделей глубокого обучения помогает радиологам справляться с огромным объемом работы по интерпретации различных медицинских изображений: компьютерной томографии (КТ) и ультразвукового сканирования, магнитно-резонансной томографии (МРТ) или рентгена. IBM подчеркивает, что радиолог отделения неотложной помощи должен ежедневно осматривать до 200 пациентов. Кроме того, некоторые медицинские исследования содержат до 3000 изображений. Неудивительно, что на медицинские изображения приходится почти 90 процентов всех медицинских данных.

Рентгенологические инструменты на основе ИИ не заменяют врачей, но помогают им принимать решения. Они отмечают острые аномалии, выявляют пациентов с высоким риском или тех, кто нуждается в срочном лечении, чтобы рентгенологи могли расставлять приоритеты в своих рабочих списках.

Исследовательское подразделение IBM в Хайфе, Израиль, работает над программой Cognitive Radiology Assistant для анализа медицинских изображений. Система анализирует медицинские изображения, а затем объединяет полученные данные с информацией из медицинских карт пациента и представляет результаты, которые рентгенологи могут учитывать при планировании лечения.