Вітаємо на сайті Радіо Максимум!

На вказану електронну адресу було надіслано повідомлення для підтвердження реєстрації

Форма для відновлення паролю
Вітаємо, Ваші дані успішно оновлено!

Нейромережу навчили складати рецепти страв по фото

  • 26
Тепер для приготування страви достатньо буде лише завантажити її фото - фото 1
Тепер для приготування страви достатньо буде лише завантажити її фото

Команда розробників Facebook навчила штучний інтелект генерувати рецепти та підраховувати кількість калорій з фотографій страви. Цей підхід ґрунтується на масштабному наборі даних Recipe1M. Зробили його для того, аби можна було насолоджуватися стравами, вказавши фото їжі.

Створення рецепта з зображення вимагає одночасного розуміння інгредієнтів, а також типів обробки, яку вони пройшли, наприклад, нарізки або змішування з іншими інгредієнтами.

І ще: Ніяких людей: через 10 років музику створюватимуть за допомогою штучного інтелекту

Традиційно проблема "зображення-рецепта" формулюється як задача пошуку, де рецепт витягується з фіксованого набору даних на основі показника подібності зображень. Продуктивність таких систем сильно залежить від розміру і різноманітності наборів даних, а також від якості вивченого матеріалу. Не дивно, що ці системи дають збій, коли в статичному наборі даних відсутній відповідний рецепт для запиту зображення.

Альтернатива для подолання обмежень набору даних пошукових систем полягає в тому, щоб сформулювати проблему "зображення-рецепт" як умовну задачу генерації. Розробники стверджують, що замість отримання рецепта з зображення безпосередньо, конвеєр генерації рецепта виграє від проміжного кроку: прогнозування списку інгредієнтів. Потім буде згенеровано послідовність інструкцій, обумовлена ​​як зображенням, так і відповідним йому списком інгредієнтів, де взаємодія між зображенням і інгредієнтами може дати додаткове розуміння того, як останні будуть оброблялися для отримання страви.

Мережа буде формувати рецепти по фото страв - фото 335183

Система створення зображення для рецепта бере на вхід зображення їжі і виводить рецепт, що містить назву, інгредієнти й інструкції з приготування. Метод починається з попередньої підготовки кодера зображення та декодера інгредієнтів, який передбачає набір інгредієнтів, використовуючи візуальні особливості, витягнуті з вхідного зображення і спільного використання інгредієнтів. Потім розробники навчають кодувальник інгредієнтів і декодер команд, які генерують заголовок і інструкції, беручи візуальні особливості зображення і передбачені інгредієнти і вводячи їх у сучасну модель генерації послідовності.

Розпізнавання їжі кидає виклик існуючим системам комп'ютерного зору, що виходять за рамки просто видимого. У порівнянні з природним розумінням зображення, візуальне пророкування інгредієнта вимагає високорівневих міркувань і попереднього знання (наприклад, що круасани, ймовірно, містять масло). Це створює додаткові проблеми, адже харчові компоненти мають високу внутрішньокласову мінливість, під час приготування виникають сильні деформації, а інгредієнти часто включаються в приготовану страву. Ця система – перший крок до ширших систем розуміння їжі, таких як оцінка калорій і створення рецептів.

Крім того, цей вид навчання може використовуватися для будь-якого завдання, яка вимагає прогнозування довгого структурованого тексту з зображення і прогнозованих ключових слів. Перша частина конвеєра (прогнозування інгредієнта) може бути застосована для вирішення ширших проблем, таких як прогнозування зображення для набору.

Читайте також: Штучний інтелект навчили визначати зовнішність по голосу

Джерело: Facebook
powered bylun.ua

пропозиції партнерів
коментарі
рекомендуємо
Загрузка...
Новини
Радіо Максимум Новини Їжа