Gambar generasi seni dalam jaringan saraf dilatih untuk mengenali porno

Peringatan: artikel ini berisi ketelanjangan abstrak dan mungkin tidak cocok untuk dilihat di tempat


kerja.Beberapa contoh seni abstrak yang dihasilkan menggunakan jaringan saraf open_nsfw.Baru-

baru ini, Yahoo telah membuka kode sumber untuk jaringan saraf open_nsfw. Ini adalah residual learning neural network ( ResNet ) yang dilatih secara khusus , yang mengklasifikasikan gambar dengan menyetelnya "peringkat tidak senonoh" dari 0 hingga 1. Program ini dirancang untuk secara otomatis mendeteksi gambar NSFW, yaitu, yang tidak cocok untuk dilihat di tempat kerja. Sederhananya, untuk mengidentifikasi pornografi. Tentu saja, tujuannya adalah untuk memfilter gambar semacam itu - menghapusnya dari akses terbuka.

Yahoo mungkin tidak berharapdengan cara apa peretas cerdas akan menggunakan pengembangan intelektualnya.

Secara formal, mahasiswa pascasarjana Gabriel Goh dari University of California, Davis, tidak melakukan kesalahan. Pria itu berspesialisasi dalam pembelajaran mesin, teori probabilitas, dan minimalisasi cembung. Dia hanya bertanya-tanya apa sebenarnya jaringan saraf yang dipahami Yahoo oleh NSFW. Gambar mana yang mendapatkan peringkat maksimum oleh penggolongnya.

Untuk mendapatkan jawaban atas pertanyaan ini, Gabriel menerapkan teknik visualisasi yang relatif baru, yang paling baru dikembangkan untuk jaringan saraf penglihatan mesin.sekelompok peneliti dengan partisipasi Ana Nguyen, Alexei Dosovitsky, dll. Pekerjaan mereka belum dipublikasikan dalam jurnal resmi, tetapi sudah dalam domain publik. Teknik ini melibatkan studi mendalam tentang cara kerja jaringan saraf. Para peneliti dapat dengan jelas memvisualisasikan tanda-tanda spesifik apa dalam gambar yang dipelajari setiap neuron untuk disorot. Salah satu cara yang diketahui untuk mencapai ini adalah melalui penggunaan teknik maksimalisasi aktivasi (AM). Ini mensintesis nilai input seperti itu (yaitu, gambar seperti itu) yang memaksimalkan aktivasi neuron. Dalam sebuah makalah ilmiah yang diterbitkan, para peneliti menunjukkan bagaimana Anda dapat secara dramatis meningkatkan kualitas AM dengan menggunakan alat yang kuat - generator gambar jaringan saraf!

Apa yang disebut deep generator network (DGN) menghasilkan sejumlah besar gambar sintetis. Mereka tampak hampir seperti foto nyata, sehingga menentukan fungsi yang diperoleh dari masing-masing neuron dari jaringan saraf yang dipelajari dengan akurasi dan pengulangan yang tinggi. Keuntungan dari generator DGN adalah bahwa ia relatif baik menguji jaringan saraf dari berbagai arsitektur yang dilatih pada set data yang berbeda. Artinya, ini adalah alat penelitian yang cukup universal.

Dalam banyak hal, operasi DGN ini mirip dengan generator Deep Dream ., dikembangkan oleh para spesialis dari unit penelitian Google Research satu setengah tahun yang lalu. Tetapi, DGN, tampaknya, bekerja jauh lebih efisien dan efektif karena pelatihan pendahuluan tambahan mengenai serangkaian foto-foto alami, meskipun mereka tidak terkait dengan set data yang dilatih atau dikerjakan oleh jaringan saraf yang dipelajari. Kemudian generator DGN menghasilkan berbagai gambar sintetis, mengubah parameter foto alami. Metode seperti itu, pada kenyataannya, berfungsi sebagai jaringan permusuhan generatif di mana jaringan saraf bertarung di antara mereka sendiri .

By the way, DGN dapat digunakan secara umum untuk tujuan lain - sebagai penulis gambar sintetis. Karya seni yang memenuhi kriteria yang ditentukan.

Dalam kasus kami, kriteria yang ditentukan adalah peringkat maksimum pada skala NSFW. Sulit untuk menyebutnya seni yang luar biasa, tetapi tugasnya cukup spesifik. Jika tugas diatur, maka perlu untuk menyelesaikannya.

Jadi, "ruang gambar alami", menurut logika jaringan saraf permusuhan generatif, tampak hampir seperti seni abstrak. Gambar yang dihasilkan secara acak, tentu saja, biasanya mendapat peringkat rendah pada skala NSFW.

Misalnya, gambar ini memiliki indeks porno 0,06.



Di sini sedikit lebih banyak pornografi - 0,07.



Nah, kemudian kami meluncurkan DGN sesuai dengan teknik yang dijelaskan dalam karya ilmiah Nguyen, Dosovitsky, dll. Selain itu, penulis dengan ramah memposting kode sumber untuk DGN di Github .

Jadi, DGN mulai dengan kondisi berikut untuk mendapatkan NSFW indeks maksimum, yaitu memaksimalkan fungsi D (x).



Dan itu saja, sekarang Anda dapat menikmati gambar porno yang tak terhitung jumlahnya secara maksimal dengan indeks 1,00.

Saya harus mengatakan bahwa gambar sintetis abstrak dalam banyak kasus terlihat sangat realistis. Meskipun jelas bahwa ini bukan beberapa objek nyata, tetapi hanya menghasilkan set piksel dengan konten yang sama sekali tidak dikenal.

Ini beberapa di antaranya.



Mahasiswa pascasarjana melanjutkan percobaan - dan mengatur tugas sebaliknya untuk DGN: menghasilkan gambar dengan nilai minimum indeks NSFW.



Artinya, bukan hanya tidak adanya pornografi yang dijamin, tetapi sesuatu yang lebih - ini adalah anti-pornografi .



Hal yang paling menarik adalah bahwa dalam jaringan saraf Yahoo, nilai D (x) dihitung oleh kekuatan aktivasi relatif bukan hanya satu tetapi dua neuron independen - satu NSFW, seperti yang mungkin Anda harapkan, dan yang kedua - SFW. Artinya, jaringan saraf sedikit "bersemangat" bahkan dalam gambar yang benar-benar aman, seperti bukit bundar dan sebagainya.

Mengetahui informasi ini, dimungkinkan untuk menghasilkan gambar erotis lembut yang dijamin bebas dari pornografi, tetapi yang “menggairahkan” jaringan saraf yang diarahkan untuk menemukan porno.

Peneliti bermain dengan koefisien dalam persamaan untuk menemukan kombinasi optimal dari pornografi dan neuron antiporn untuk efek artistik terbaik, tetapi pada saat yang sama untuk mendapatkan indeks porno maksimum 1.

Ini adalah gambar yang luar biasa.



Terkejut oleh keindahan hasil ini, penulis meluncurkan DGN bukan pada satu jaringan saraf open_nsfw, tetapi secara bersamaan di tempat lain - jaringan saraf CNN , yang mengklasifikasikan foto berdasarkan lokasi. Dengan demikian, ia menerima lukisan yang mendapatkan hasil maksimal pada saat yang sama dan di tempat pemotretan (pantai, ngarai, konser, dll.), Dan hasil minimum / maksimum untuk indeks NSFW.

Pantai


Concert


Desert


Museum


Volcano


Sesungguhnya, ada bidang yang kaya untuk eksperimen.

Penulis dengan sedih mengakui bahwa unsur-unsur NSFW, pada prinsipnya, dapat diidentifikasi sama sekalifoto. Masalahnya adalah kemampuan untuk mengenali mereka. Jika Anda melihat asal sampel ini, Anda tidak akan dapat "melihat" elemen-elemen ini bahkan dalam foto asli dari konser, museum, dll.

Jika Anda mempelajari jaringan saraf open_nsfw untuk waktu yang lama, siapa tahu, dapatkah Anda mulai melihat elemen NSFW secara umum di sekitar?

Source: https://habr.com/ru/post/id398547/