Искусственный интеллект угадывает твои рисунки: как это устроено

Как компьютер видит и кодирует рисунок

Человек сразу видит цельный образ кота, самолёта или яблока. Компьютер получает лишь массив чисел. В докладе нужно объяснить разницу между двумя способами оцифровки рисунка.

• Растровое изображение представляет собой сетку из пикселей, где чёрным линиям соответствуют единицы, а белому фону нули.
• Векторная последовательность штрихов фиксирует порядок движения пальца или мыши по экрану с записью координат X и Y во времени.
• Игра Quick, Draw! использует именно векторный путь, поэтому нейросеть считывает направление линий и скорость рисования каждого штриха.

Датасет Google и тренировка алгоритма

Нейросеть не способна угадать предмет без предварительного обучения на огромном массиве примеров. В 2016 году Google запустил проект, собравший более 50 миллионов рисунков от людей со всего мира по 345 категориям.

В этой части доклада покажи механику машинного обучения. Алгоритму показывают сотни тысяч набросков велосипеда или кошки с правильной подписью. Программа находит математические закономерности и подбирает весовые коэффициенты. Когда ты делаешь новый набросок, нейросеть сравнивает его форму с накопленной базой вероятностей.

Выделение признаков и внутренние слои сети

Объясни слушателям работу свёрточных и рекуррентных слоёв простыми словами через понятие ключевых признаков. Нейросеть распознаёт объект по уровням сложности.

1. Первые слои улавливают простые геометрические элементы вроде прямых линий, дуг, углов и замкнутых контуров.
2. Промежуточные слои объединяют линии в составные части, например треугольные уши, круглые колёса или ручку чашки.
3. Финальный слой сопоставляет найденную комбинацию деталей с готовыми классами и выдаёт процент вероятности для каждого предмета.

Культурные особенности и ограничения системы

Алгоритм опирается исключительно на те рисунки, которые в него загрузили люди. Из-за этого возникают интересные закономерности и ошибки. Жители разных стран рисуют одни и те же вещи по-разному. Например, стул можно изобразить сбоку или в перспективе с четырьмя ножками, а кружку рисуют с паром сверху или просто как цилиндр с ручкой.

Если человек начинает рисовать предмет редким или слишком сложным способом, нейросеть путается. В проект полезно включить пару скриншотов из открытой базы датасета Google с необычными набросками.

Что преподаватель оценит при защите

Учитель информатики будет смотреть на точность применения терминов и наглядность твоего объяснения. Плюсом станут следующие вещи.

• Грамотное объяснение понятий обучающая выборка, веса, распознавание образов и вектор.
• Наличие в презентации реальных примеров того, как рисунок раскладывается на координаты штрихов.
• Понимание того, почему алгоритм ошибается при нестандартном порядке линий.
• Демонстрация скриншотов из официального открытого архива Quick Draw Dataset.

Где искать точные данные и примеры

Тебе понадобятся первоисточники разработчиков проекта, а не пересказы из случайных блогов. Используй следующие ресурсы.

• Официальная страница игры Quick, Draw! для проведения живого эксперимента прямо во время подготовки.
• Открытый репозиторий Google Creative Lab на GitHub и сайт Quick Draw Dataset, где выложены миллионы набросков по категориям.
• Научно-популярная статья исследователей Google Дэвида Ха и Дугласа Экка под названием A Neural Representation of Sketch Drawings о модели sketch-rnn.
• Учебные видеоролики по базовым принципам машинного обучения для школьников на платформах Сириус.Курсы или Яндекс Учебник.