पोर्न को पहचानने के लिए प्रशिक्षित तंत्रिका नेटवर्क में कला चित्रों का सृजन

चेतावनी: इस लेख में अमूर्त नग्नता चित्र शामिल हैं और कार्यस्थल में देखने के लिए उपयुक्त नहीं हो सकते हैं।


ओपन_नएसएफडब्ल्यू न्यूरल नेटवर्क का उपयोग करके उत्पन्न अमूर्त कला के कुछ उदाहरण। याहू ने

हाल ही में ओपन_नसेफ न्यूरल नेटवर्क के लिए स्रोत कोड खोला है । यह एक विशेष रूप से प्रशिक्षित अवशिष्ट शिक्षण तंत्रिका नेटवर्क ( ResNet ) है, जो 0 से 1 तक उन्हें "अभद्र रेटिंग" सेट करके छवियों को वर्गीकृत करता है। कार्यक्रम को स्वचालित रूप से NSFW छवियों का पता लगाने के लिए डिज़ाइन किया गया है, जो कार्यस्थल पर देखने के लिए उपयुक्त नहीं हैं। सीधे शब्दों में कहें, तो पोर्नोग्राफी की पहचान करने के लिए। स्वाभाविक रूप से, लक्ष्य ऐसी छवियों को फ़िल्टर करना है - उन्हें खुली पहुंच से हटाना।

याहू को शायद उम्मीद नहीं थीकिस तरह से साधन संपन्न हैकर इसके बौद्धिक विकास का उपयोग करेंगे।

औपचारिक रूप से, कैलिफोर्निया विश्वविद्यालय, डेविस के स्नातक छात्र गेब्रियल गोह ने कुछ भी गलत नहीं किया। आदमी मशीन सीखने, संभाव्यता सिद्धांत और उत्तल कम से कम करने में माहिर है। वह बस आश्चर्यचकित थे कि वास्तव में तंत्रिका नेटवर्क याहू एनएसएफडब्ल्यू द्वारा क्या समझता है। इसके क्लासिफायर द्वारा किन छवियों को अधिकतम रेटिंग मिलती है।

इस सवाल का जवाब पाने के लिए, गेब्रियल ने एक अपेक्षाकृत नई विज़ुअलाइज़ेशन तकनीक लागू की, जो हाल ही में मशीन विजन न्यूरल नेटवर्क के लिए विकसित की गई है।एना गुयेन, अलेक्सी दोसोवित्स्की और अन्य लोगों की भागीदारी के साथ शोधकर्ताओं का एक समूह। उनका काम अभी तक आधिकारिक पत्रिका में प्रकाशित नहीं हुआ है, लेकिन पहले से ही सार्वजनिक डोमेन में है। इस तकनीक में एक तंत्रिका नेटवर्क कैसे काम करता है, इसका गहन अध्ययन शामिल है। शोधकर्ता स्पष्ट रूप से कल्पना कर सकते हैं कि छवियों में प्रत्येक न्यूरॉन ने किन विशिष्ट संकेतों को उजागर करना सीखा है। इसे प्राप्त करने का एक ज्ञात तरीका सक्रियण अधिकतमकरण (एएम) तकनीकों का उपयोग है। यह ऐसे इनपुट वैल्यू (यानी ऐसी छवि) को संश्लेषित करता है जो न्यूरॉन की सक्रियता को अधिकतम करते हैं। एक प्रकाशित वैज्ञानिक पत्र में, शोधकर्ताओं ने दिखाया कि आप एक शक्तिशाली उपकरण का उपयोग करके एएम की गुणवत्ता को नाटकीय रूप से कैसे बढ़ा सकते हैं - एक तंत्रिका नेटवर्क छवि जनरेटर!

तथाकथित गहरे जनरेटर नेटवर्क (DGN) बड़ी संख्या में सिंथेटिक छवियां उत्पन्न करता है। वे लगभग वास्तविक तस्वीरों की तरह दिखते हैं, जिससे उच्च सटीकता और पुनरावृत्ति के साथ अध्ययन किए गए तंत्रिका नेटवर्क के प्रत्येक न्यूरॉन के अधिग्रहीत कार्यों का निर्धारण होता है। DGN जनरेटर का लाभ यह है कि यह विभिन्न डेटा सेटों पर प्रशिक्षित विभिन्न आर्किटेक्चर के तंत्रिका नेटवर्क का अपेक्षाकृत अच्छा परीक्षण करता है। यही है, यह एक काफी सार्वभौमिक अनुसंधान उपकरण है।

कई मायनों में, इस DGN का संचालन डीप ड्रीम जनरेटर के समान है।, डेढ़ साल पहले Google अनुसंधान की अनुसंधान इकाई के विशेषज्ञों द्वारा विकसित किया गया था। लेकिन DGN, जाहिर है, प्राकृतिक तस्वीरों के एक सेट पर अतिरिक्त प्रारंभिक प्रशिक्षण के कारण अधिक कुशलतापूर्वक और प्रभावी ढंग से काम करता है, हालांकि वे उस डेटा सेट से संबंधित नहीं हैं जिस पर अध्ययन किया गया तंत्रिका नेटवर्क प्रशिक्षित या काम करता था। फिर डीजीएन जनरेटर प्राकृतिक तस्वीरों के मापदंडों को बदलते हुए कई तरह की सिंथेटिक छवियां उत्पन्न करता है। इस तरह की विधि, वास्तव में, एक जनरेटरों के प्रतिकूल नेटवर्क के रूप में काम करती है जिसमें तंत्रिका नेटवर्क आपस में लड़ते हैं ।

वैसे, DGN का उपयोग सामान्य रूप से एक और उद्देश्य के लिए किया जा सकता है - सिंथेटिक छवियों के लेखक के रूप में। कला के कार्य जो निर्दिष्ट मानदंडों को पूरा करते हैं।

हमारे मामले में, निर्दिष्ट मानदंड NSFW पैमाने पर अधिकतम रेटिंग है। इसे ऐसी उत्कृष्ट कला कहना मुश्किल है, लेकिन यह कार्य काफी विशिष्ट है। यदि कार्य सेट किया गया है, तो इसे हल करना आवश्यक है।

तो, "प्राकृतिक छवियों का स्थान", एक जननशील प्रतिकूल तंत्रिका नेटवर्क के तर्क के अनुसार, लगभग सार कला जैसा दिखता है। बेतरतीब ढंग से उत्पन्न चित्र, ज़ाहिर है, आमतौर पर एनएसएफडब्ल्यू पैमाने पर कम रेटिंग प्राप्त करते हैं।

उदाहरण के लिए, इस चित्र में 0.06 का पोर्न इंडेक्स है।



यहाँ थोड़ा और पोर्नोग्राफी - 0.07।



ठीक है, फिर हम गुयेन, डॉसोवित्स्की, आदि के वैज्ञानिक कार्यों में वर्णित तकनीक के अनुसार DGN को लॉन्च करते हैं। इसके अलावा, लेखकों ने कृपया Github पर DGN के लिए स्रोत कोड पोस्ट किया ।

इसलिए, DGN अधिकतम D NS सूचकांक को प्राप्त करने के लिए निम्नलिखित शर्त के साथ शुरू होता है, जो कि फ़ंक्शन D (x) को अधिकतम करता है।



और ऐसा ही है, अब आप 1.00 के सूचकांक के साथ अनगिनत अधिकतम अश्लील चित्रों का आनंद ले सकते हैं।

मुझे कहना होगा कि ज्यादातर मामलों में अमूर्त सिंथेटिक चित्र वास्तव में काफी यथार्थवादी लगते हैं। हालांकि यह स्पष्ट है कि ये कुछ वास्तविक वस्तुएं नहीं हैं, बल्कि पूरी तरह से अज्ञात सामग्री वाले पिक्सल के सेट जनरेट हैं।

यहाँ उनमें से कुछ हैं।



स्नातक छात्र ने प्रयोग जारी रखा - और DGN के लिए विपरीत कार्य निर्धारित किया: NSFW सूचकांक के न्यूनतम मूल्य के साथ छवियां उत्पन्न करें।



यही है, न केवल अश्लील साहित्य की अनुपस्थिति की गारंटी, बल्कि कुछ और - यह अश्लील साहित्य विरोधी है ।



सबसे दिलचस्प बात यह है कि याहू न्यूरल नेटवर्क में, डी (एक्स) के मूल्य की गणना एक नहीं बल्कि दो स्वतंत्र न्यूरॉन्स - एक एनएसएफडब्ल्यू की सापेक्ष सक्रियण शक्ति द्वारा की जाती है, जैसा कि आप उम्मीद कर सकते थे, और दूसरा - एसएफडब्ल्यू। यही है, पूरी तरह से सुरक्षित चित्रों में भी तंत्रिका नेटवर्क थोड़ा "उत्साहित" है, जैसे गोल पहाड़ियों और इतने पर।

इस जानकारी को जानने के बाद, नरम कामुक चित्रों को उत्पन्न करना संभव है, जिसमें पोर्नोग्राफी अनुपस्थित रहने की गारंटी है, लेकिन फिर भी पोर्न को खोजने के लिए एक तंत्रिका नेटवर्क "उत्साहित" है।

शोधकर्ता ने समीकरण में गुणांक के साथ सबसे अच्छे कलात्मक प्रभाव के लिए पोर्नोग्राफी और एंटीपॉर्न न्यूरॉन्स के इष्टतम संयोजन को खोजने के लिए खेला, लेकिन एक ही समय में अधिकतम अश्लील सूचकांक प्राप्त करने के लिए 1.

ये अद्भुत चित्र हैं।



इन परिणामों की सुंदरता से स्तब्ध होकर, लेखक ने DGN को एक ओपन_एसएनएफडब्ल्यू न्यूरल नेटवर्क पर नहीं, बल्कि एक अन्य स्थानों-सीएनएन न्यूरल नेटवर्क पर लॉन्च किया , जो स्थान के आधार पर तस्वीरों को वर्गीकृत करता है। इस प्रकार, उन्हें ऐसी पेंटिंग मिलीं , जो एक ही समय में और शूटिंग के स्थान पर (समुद्र तट, घाटी, कंसर्ट, आदि) और NSFW सूचकांक के लिए न्यूनतम / अधिकतम परिणाम प्राप्त करती हैं।

समुद्र तट


कॉन्सर्ट


डेजर्ट ज्वालामुखी


संग्रहालय सच में, प्रयोगों के लिए एक समृद्ध क्षेत्र है। लेखक दुर्भाग्य से स्वीकार करते हैं कि तत्वों NSFW, सिद्धांत रूप में, पता लगाया जा सकता सभी







तस्वीरों। बात उन्हें पहचानने की क्षमता की है। यदि आप इन नमूनों की उत्पत्ति को देखते हैं, तो आप इन तत्वों को संगीत, संग्रहालयों आदि से मूल तस्वीरों में भी नहीं देख पाएंगे।

यदि आप एक लंबे समय के लिए ओपन_एनएसएफडब्ल्यू तंत्रिका नेटवर्क का अध्ययन करते हैं, तो कौन जानता है, क्या आप एनएसएफडब्ल्यू तत्वों को सामान्य रूप से चारों ओर देखना शुरू कर सकते हैं?

Source: https://habr.com/ru/post/hi398547/