211service.com
Een Google Glass-app weet waar u naar kijkt
Google heeft aangetoond dat de camera die is geïntegreerd in Google Glass, de op het hoofd gedragen computer van het bedrijf, een aantal opvallende video's kan vastleggen. Nu machine learning bedrijf AlchemieAPI heeft een app gebouwd die die camera gebruikt om te herkennen waar een persoon naar kijkt. De app is gebouwd tijdens een hacksessie van medewerkers die deze maand door het bedrijf werd gehouden om te experimenteren met manieren om hun nieuwe beeldherkenningsservice te demonstreren.
Duidelijk zien: deze machine vision-app is 67 procent zeker dat hij naar een bureau kijkt (Credit: AlchemyAPI)
De app kan werken op foto's die zijn gemaakt door een persoon die Glass draagt, of constant afbeeldingen van de camera van het apparaat pakken. Die worden naar de cloud of een computer in de buurt gestuurd voor verwerking door de beeldherkenningssoftware van AlchemyAPI. De software stuurt zijn beste gok terug naar wat het ziet en vervolgens zal Glass het vonnis weergeven of spreken.
Er is een kleine vertraging en dan hoor je het zeggen 'fauteuil' of 'desktopcomputer', zegt AlchemyAPI's CEO Elliot Turner. Het duurt ongeveer 250 ms om een bepaald frame te analyseren.
Hier is een video van de app in actie:
Je zou kunnen zeggen dat de app van Turner het voor de hand liggende zegt, maar dat in (bijna) realtime doen is geen sinecure voor computervisiesoftware. Het beeldherkenningssysteem van AlchemyAPI is gebouwd op een systeem van complexe gesimuleerde neurale netwerken van het type dat bekend staat als deep learning, dat systemen kan produceren die sneller en slimmer leren dan meer gevestigde technieken. Google is een pionier op dit gebied (zie Deep Learning) en veel andere grote bedrijven, waaronder Microsoft (zie Microsoft Brings Star Trek's Voice Translator to Life) en Facebook (Facebook lanceert Advanced AI Research Group) investeren ook in de technologie.
Een online demo toont de mogelijkheden van de beeldherkenningssoftware van AlchemyAPI. Het laat zien dat het systeem reageert op een constante reeks afbeeldingen die zijn opgehaald uit Google Afbeeldingen zoeken en Flickr.
Hoewel verre van perfect, zijn de prestaties van de software indrukwekkend. Het inzicht dat de demo geeft in de zekerheid van elk oordeel dat het maakt, suggereert ook dat het gemakkelijk competenter zou kunnen lijken. Veel van de fouten van het systeem komen wanneer het heel specifiek probeert te zijn. Zeggen dat dit een insect is, zou beter zijn dan ik weet niet zeker wat dit is, het zou een bidsprinkhaan of een krekel kunnen zijn. Turner zegt dat vroege klanten voor het beeldherkenningsaanbod meestal mediabedrijven zijn die grote collecties niet-gelabelde foto's willen categoriseren en doorzoeken.
Objectherkenningssystemen kunnen worden vergeleken door ze te testen met de standaard ImageNet-database, die meer dan 50 miljoen afbeeldingen bevat met 22.000 verschillende categorieën. Elliot zal geen exacte cijfers delen, maar zegt dat zijn systeem op hetzelfde niveau presteert als de beste systemen die publiekelijk zijn getest, die doorgaans ongeveer 15-17 procent van hun gissingen verkeerd hebben. Eén zo'n systeem stuurt nu de objectherkenning aan die is ingebouwd in de zoekfunctie voor afbeeldingen van Google voor zijn sociale netwerk Google Plus , nadat Google een startup had gekocht, opgericht door deep learning-pionier Geoffrey Hinton van de Universiteit van Toronto jaar.