ඔබ web එක surf කරද්දී ඉහත ඡායාරුපය දැක්කොත්, එය Mariners’ Felix Hernandez ක්‍රීඩකයා Safeco Field එකේ base ball ක්‍රීඩාවෙහි නිරත වෙලා ඉද්දි ගන්නා ලද්දක් බව ක්ෂණිකව හදුනා ගන්න පුළුවන් වුවහොත්?
ඔව්, අනාගතයේදී එය සිදු කල හැක්කක්. මන්දයත් Microsoft සමාගම ඡායාරුපයක තිබෙන objects හදුනා ගන්න පුළුවන් තාක්ෂණයක් පිලිබදව සොයා බලමින් යනවා. එමගින් අදාල ඡායාරුපයහි සිදු වන්නේ කුමද්ද යන්න තේරුම් අරගෙන එය අර්ථවත් caption එකක් මගින් දක්වනවා. මෙය ඇත්තටම Microsoft සමාගමටත් ඉතාම වැදගත් tool එකක් වේවි. මන්දයත් ඔවුන්ගේ artificial intelligence ආශ්‍රිත පරීක්ෂණ සදහා මෙය මහත් පිටුවහලක් වන නිසා. මේ project එකේ නියමුවෙකු වන Xiaodong He පැවසුවේ, මිනිසෙකු ඡායාරුපයක් තේරුම් ගන්නා ලෙසටම මේ machine එකටද ඡායාරුපයක් හදුනා ගත හැකි බව.
දශකයක පටන් ඡායාරුපයක් හදුනා ගෙන Caption එකක් සැකසීම සදහා විවිධ පර්යේෂණ සිදු කලත්, ඒ කිසිවක් සාර්ථක නොවූ බව Microsoft Research හි natural language processing group හි Margaret Mitchell පැවසුවා. නමුත් neural networks මේ සදහා යොදා ගැනීමට අදහස් කිරීමත් සමග මේ තත්වය වෙනස් වුවා. මේ සමග පැරණි තාක්ෂණ වලට සාපේක්ෂව error rate එක බෙහෙවින් අඩු වුවා. Automated image captioning තවමත් 100% ක් සම්පුර්ණ නැහැ. නමුත් පර්යේෂකයන්ට මෙය ඉතාමත් හොද අවස්ථාවක්. විවිධ ආයතන වල, විශ්ව විද්‍යාල වල ප්‍රවීණයන් රැසක් දැනට මේ සදහා හොදම algorithm එක සොයා ගැනීමට එකිනෙකා අතර තරගයක යෙදෙමින් සිටිනවා. මේ සදහා පසු ගියදා MS COCO Captioning Challenge 2015 නමින් තරගයක් ද පැවැත්වුණා.
Microsoft හි algorithm එක පියවර කීපයකින් ඡායාරුපය සදහා caption එකක් සකසනවා. මුලින්ම convolutional neural network තාක්ෂණය යොදා ගනිමින් caption එකට සුදුසු වචන හදුනා ගන්නවා. මේ convolutional neural network එක images සහ captions විශාල ප්‍රමාණයක් යොදා ගනිමින් පුරුදු කරලා තිබෙනවා color patches, shapes සහ අනෙකුත් features හදුනා ගන්නට. මිනිසෙකුගේ මොලය ඡායාරුපයක් හදුනාගැනීමටද මෙයට සමාන ක්‍රමයක් අනුගමනය කරනවා.
ඊලගට language model එකක් යොදා ගනිමින් ගැලපෙන captions කීපයක් සකසනවා. අවසානයේදී ඡායාරුපය සහ සැකසු captions සංසන්දනය කර වඩාත් ගැලපෙන caption එක තෝරා ගන්නවා.
[…] […]