DeepDream, Alexander Mordvintsev adlı Google mühendisi tarafından oluşturulmuştur. DeepDream, algoritmik pareidolia yoluyla görüntülerdeki desenleri tespit etmek ve görüntüleri geliştirmek için evrişimli sinir ağı kullanmaktadır. Böylece aşırı işlenmiş görüntüler vasıtasıyla rüya tarzında halüsinojenik görüntüler oluşturan bilgisayar programıdır.
Google'ın programı, (derin) "rüya görme" terimini, eğitimli derin bir ağda istenen etkinleştirmeleri üreten görüntülerin üretimine atıfta bulunacak şekilde popüler hale getirmiştir. Ayrıca bu terim, ilgili biçimlerin bir koleksiyonunu ifade etmektedir.
Tarih
DeepDream yazılımı, "Inception" isimli filmden esinlenilerek evrişimli sinir ağı formatında oluşturulmuştur. Ayrıca, 2014 yılında ImageNet Büyük Ölçekli Görsel Tanıma Mücadelesi (Large-Scale Visual Recognition Challenge) için geliştirilmiş ve Temmuz 2015'te piyasaya sürülmüştür.
![image](https://www.wikipedia.tr-tr.nina.az/image/aHR0cHM6Ly93d3cud2lraXBlZGlhLnRyLXRyLm5pbmEuYXovaW1hZ2UvYUhSMGNITTZMeTkxY0d4dllXUXVkMmxyYVcxbFpHbGhMbTl5Wnk5M2FXdHBjR1ZrYVdFdlkyOXRiVzl1Y3k5MGFIVnRZaTh3THpBd0wwMTFiSFJwTFV4aGVXVnlYMDVsZFhKaGJGOU9aWFIzYjNKckxWWmxZM1J2Y2kxQ2JHRnVheTV6ZG1jdk1qSXdjSGd0VFhWc2RHa3RUR0Y1WlhKZlRtVjFjbUZzWDA1bGRIZHZjbXN0Vm1WamRHOXlMVUpzWVc1ckxuTjJaeTV3Ym1jPS5wbmc=.png)
Google'ın DeepDream programı sayesinde hayal kurma (dreaming) fikri ve ismi 2015 yılında internette popüler olmuştur. DeepDream fikri, sinir ağları tarihinin ilk dönemlerine dayanmaktadır. Aynı zamanda görsel doku oluşturmak için benzer yöntemler kullanılmıştır. Benzer görselleştirme fikirleri, çeşitli araştırma grupları tarafından (Google'ın çalışmasından önce) geliştirilmiştir.
Google tekniklerini yayınlamıştır ve kodlarını açık kaynaklı hale getirmiştir. Bundan sonra kullanıcıların kendi fotoğraflarını dönüştürmelerini sağlamak için mobil uygulamalar, web hizmetleri ve masaüstü yazılımları formatında çeşitli araçlar piyasaya çıkmıştır.
İşlem
![image](https://www.wikipedia.tr-tr.nina.az/image/aHR0cHM6Ly93d3cud2lraXBlZGlhLnRyLXRyLm5pbmEuYXovaW1hZ2UvYUhSMGNITTZMeTkxY0d4dllXUXVkMmxyYVcxbFpHbGhMbTl5Wnk5M2FXdHBjR1ZrYVdFdlkyOXRiVzl1Y3k5MGFIVnRZaTltTDJZd0wwRjFjbVZzYVdFdFlYVnlhWFJoTFROZkpUSTRZM0p2Y0hCbFpDVXlPUzVxY0djdk1qQXdjSGd0UVhWeVpXeHBZUzFoZFhKcGRHRXRNMThsTWpoamNtOXdjR1ZrSlRJNUxtcHdadz09LmpwZw==.jpg)
![image](https://www.wikipedia.tr-tr.nina.az/image/aHR0cHM6Ly93d3cud2lraXBlZGlhLnRyLXRyLm5pbmEuYXovaW1hZ2UvYUhSMGNITTZMeTkxY0d4dllXUXVkMmxyYVcxbFpHbGhMbTl5Wnk5M2FXdHBjR1ZrYVdFdlkyOXRiVzl1Y3k5MGFIVnRZaTg0THpnNUwwRjFjbVZzYVdFdFlYVnlhWFJoTFRNdE1EQXdPUzVxY0djdk1qQXdjSGd0UVhWeVpXeHBZUzFoZFhKcGRHRXRNeTB3TURBNUxtcHdadz09LmpwZw==.jpg)
![image](https://www.wikipedia.tr-tr.nina.az/image/aHR0cHM6Ly93d3cud2lraXBlZGlhLnRyLXRyLm5pbmEuYXovaW1hZ2UvYUhSMGNITTZMeTkxY0d4dllXUXVkMmxyYVcxbFpHbGhMbTl5Wnk5M2FXdHBjR1ZrYVdFdlkyOXRiVzl1Y3k5MGFIVnRZaTgyTHpZMUwwRjFjbVZzYVdFdFlYVnlhWFJoTFRNdE1EQTBPUzVxY0djdk1qQXdjSGd0UVhWeVpXeHBZUzFoZFhKcGRHRXRNeTB3TURRNUxtcHdadz09LmpwZw==.jpg)
Program, görüntüleri otonom olarak sınıflandırmak amacıyla görüntülerdeki desenleri ve yüzleri algılamak için tasarlanmıştır. Bununla birlikte, program bir kez eğitildikten sonra, ağ ters yönde de çalıştırılabilmektedir. Ardından orijinal görüntüyü biraz ayarlaması istenmektedir, böylece belirli bir çıktı nöronu (örneğin, yüzler veya belirli hayvanlar için) daha yüksek bir güven puanı vermektedir. Bu, sinir ağının ortaya çıkan yapısını daha iyi anlamak için kullanılan görselleştirmeler ile kullanılabilmektedir. Bu durum DeepDream konseptinin temelini oluşturmaktadır. Bu tersine çevirme prosedürü hiçbir zaman tam olarak anlaşılır değildir, çünkü birden çoğa haritalama sürecini kullanmaktadır. Bununla birlikte, yeterince eğitimden sonra, başlangıçta aranan özelliklerden yoksun görüntüler bile, psikedelik ve gerçeküstü görüntülerin algoritmik olarak üretildiği bir pareidolia formunun ortaya çıkmasına neden olacaktır. Optimizasyon andırmaktadır, ağırlıklar sabit tutulmaktadır ve giriş ayarlanmaktadır. Yalnızca ağ ağırlıklarını ayarlanmaktadır.
Örneğin, mevcut bir görüntü "kediye daha fazla benzer" olacak şekilde değiştirilebilmektedir ve elde edilen geliştirilmiş görüntü tekrar işleme girilebilmektedir. Bu kullanım, bulutlardaki desenleri hayvan veya diğer desenlere benzetme durumuna benzemektedir.
Girdinin her pikseline bağımsız olarak gradyan inişinin uygulanması, bitişik piksellerin çok az ilişkiye sahip olduğu ve bu nedenle görüntünün çok fazla yüksek frekans bilgisine sahip olduğu görüntüler üretmektedir. Oluşturulan görüntüler, doğal görüntü istatistiklerine sahip (herhangi bir belirli görüntü için bir tercih olmaksızın) veya basitçe pürüzsüz olan girdileri tercih ederek ve düzenleyici eklenerek büyük ölçüde geliştirilebilir. Örneğin, Mahendran. Bu örnekte parçalı sabit görüntüleri tercih eden toplam varyasyon düzenleyicisini kullanılmıştır. Çeşitli düzenleyiciler daha ayrıntılı olarak tartışılmaktadır. Özellikle görselleştirme ve düzenleme tekniklerinin, görsel bir keşfi yakın zamanda yayınlanmıştır.
Görüntülerin LSD'ye ve psilosibinin neden olduğu halüsinasyonlara atıfta bulunulan benzerliği, yapay sinir ağları ile görsel korteksin belirli katmanları arasında işlevsel bir benzerlik olduğunu düşündürmektedir.
Bir bilgisayar bilimi programı olan Computerphile, Google Dream tarafından kullanılan makine öğrenimi süreçlerini ayrıntılı olarak anlatmaktadır.
Kullanımı
![image](https://www.wikipedia.tr-tr.nina.az/image/aHR0cHM6Ly93d3cud2lraXBlZGlhLnRyLXRyLm5pbmEuYXovaW1hZ2UvYUhSMGNITTZMeTkxY0d4dllXUXVkMmxyYVcxbFpHbGhMbTl5Wnk5M2FXdHBjR1ZrYVdFdlkyOXRiVzl1Y3k5MGFIVnRZaTgzTHpjeEwwUmxaWEJmUkhKbFlXMXpZMjl3WlY4bE1qZ3hPVGd5TWpFM01EY3hPQ1V5T1M1cWNHY3ZNakl3Y0hndFJHVmxjRjlFY21WaGJYTmpiM0JsWHlVeU9ERTVPREl5TVRjd056RTRKVEk1TG1wd1p3PT0uanBn.jpg)
![image](https://www.wikipedia.tr-tr.nina.az/image/aHR0cHM6Ly93d3cud2lraXBlZGlhLnRyLXRyLm5pbmEuYXovaW1hZ2UvYUhSMGNITTZMeTkxY0d4dllXUXVkMmxyYVcxbFpHbGhMbTl5Wnk5M2FXdHBjR1ZrYVdFdlkyOXRiVzl1Y3k5MGFIVnRZaTlrTDJRd0x5VXlNazF2Ym1GZlRHbHpZU1V5TWw5M2FYUm9YMFJsWlhCRWNtVmhiVjlsWm1abFkzUmZkWE5wYm1kZlZrZEhNVFpmYm1WMGQyOXlhMTkwY21GcGJtVmtYMjl1WDBsdFlXZGxUbVYwTG1wd1p5OHlNakJ3ZUMwbE1qSk5iMjVoWDB4cGMyRWxNakpmZDJsMGFGOUVaV1Z3UkhKbFlXMWZaV1ptWldOMFgzVnphVzVuWDFaSFJ6RTJYMjVsZEhkdmNtdGZkSEpoYVc1bFpGOXZibDlKYldGblpVNWxkQzVxY0djPS5qcGc=.jpg)
Rüya görme (dreaming) fikri, çıktıdakiler dışındaki gizli (iç) nöronlara uygulanabilmektedir. Bu durum ağın çeşitli bölümlerinin rollerinin ve temsillerinin keşfedilmesine izin vermektedir. Girdiyi tek bir nöronu (bu kullanıma bazen Aktivite Maksimizasyonu olarak adlandırılır) veya tüm nöron katmanını tatmin edecek şekilde optimize etmek de mümkündür.
Rüya görme (dreaming) en çok ağları görselleştirmek veya bilgisayar sanatı üretmek için kullanılmaktadır. Ancak son zamanlarda eğitim setine "hayal edilen" girdilerin eklenmesinin Bilgisayar Bilimi'ndeki soyutlamalar için eğitim sürelerini iyileştirebileceği önerilmiştir.
DeepDream modelinin sanat tarihi alanında da uygulamaya sahip olduğu gösterilmiştir.
DeepDream, Foster the People'ın "Doing It for the Money" şarkısının klibinde kullanılmıştır.
2017'de Sussex Üniversitesi'nden bir araştırma grubu, DeepDream algoritmasını önceden kaydedilmiş bir panoramik videoya uygulamıştır. Bu uygulama ile kullanıcıların psikoaktif maddeler ve / veya psikopatolojik durumların deneyimini taklit etmek için sanal gerçeklik ortamlarını keşfetmelerine olanak tanıyan bir Halüsinasyon Makinesi oluşturulmuştur. Halüsinasyon Makinesi tarafından tetiklenen öznel deneyimlerin, psikedelik duruma fenomenolojik benzerlikler taşırken (psilosibinin uygulanmasını takiben) kontrol (halüsinojenik olmayan) videolardan önemli ölçüde farklı olduğunu göstermişlerdir.
Ayrıca bakınız
- Özellik algılama (bilgisayar vizyonu)
- Sinir Tip Transferi
- Yöntemsel dokular
- Doku yapımı
Kaynakça
- ^ a b . Google Research. 2015. 8 Temmuz 2015 tarihinde kaynağından arşivlendi.
- ^ a b c . Google Research. 2015. 3 Temmuz 2015 tarihinde kaynağından arşivlendi. Kaynak hatası: Geçersiz
<ref>
etiketi: "goingdeeper" adı farklı içerikte birden fazla tanımlanmış (Bkz: ) - ^ a b Szegedy (2014). "Going Deeper with Convolutions". Computing Research Repository.
- ^ Portilla (2000). "A parametric texture model based on joint statistics of complex wavelet coefficients". International Journal of Computer Vision. 40: 49-70. doi:10.1023/A:1026553619983.
- ^ GitHub'da DeepDream
- ^ Daniel Culpan (3 Temmuz 2015). "These Google "Deep Dream" Images Are Weirdly Mesmerising". Wired. 8 Mayıs 2016 tarihinde kaynağından . Erişim tarihi: 25 Temmuz 2015.
- ^ . The Verge. 7 Temmuz 2015. 8 Temmuz 2015 tarihinde kaynağından arşivlendi. Erişim tarihi: 25 Temmuz 2015.
- ^ Hayes (2015). "Computer Vision and Computer Hallucinations". American Scientist. 103 (6): 380. doi:10.1511/2015.117.380. ISSN 0003-0996.
- ^ Olah (7 Kasım 2017). "Feature Visualization". Distill (İngilizce). 2 (11). doi:10.23915/distill.00007. ISSN 2476-0757.
- ^ . The Atlantic. 3 Eylül 2015. 4 Eylül 2015 tarihinde kaynağından arşivlendi. Erişim tarihi: 24 Eylül 2015.
- ^ "Arşivlenmiş kopya". 2 Haziran 2021 tarihinde kaynağından . Erişim tarihi: 29 Mayıs 2021.
- ^ Spratt (2017). "Dream Formulations and Deep Neural Networks: Humanistic Themes in the Iconology of the Machine-Learned Image" (PDF). Kunsttexte. Humboldt-Universität zu Berlin. 4. 27 Ekim 2020 tarihinde kaynağından (PDF). Erişim tarihi: 29 Mayıs 2021.
- ^ Foster The People - Doing It for the Money, 11 Ağustos 2017, 16 Ağustos 2017 tarihinde kaynağından , erişim tarihi: 15 Ağustos 2017
- ^ Suzuki (22 Kasım 2017). "A Deep-Dream Virtual Reality Platform for Studying Altered Perceptual Phenomenology". Sci Rep. 7 (1): 15982. doi:10.1038/s41598-017-16316-2. (PMC) 5700081 $2. (PMID) 29167538.
Dış bağlantılar
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
DeepDream Alexander Mordvintsev adli Google muhendisi tarafindan olusturulmustur DeepDream algoritmik pareidolia yoluyla goruntulerdeki desenleri tespit etmek ve goruntuleri gelistirmek icin evrisimli sinir agi kullanmaktadir Boylece asiri islenmis goruntuler vasitasiyla ruya tarzinda halusinojenik goruntuler olusturan bilgisayar programidir Google in programi derin ruya gorme terimini egitimli derin bir agda istenen etkinlestirmeleri ureten goruntulerin uretimine atifta bulunacak sekilde populer hale getirmistir Ayrica bu terim ilgili bicimlerin bir koleksiyonunu ifade etmektedir TarihDeepDream yazilimi Inception isimli filmden esinlenilerek evrisimli sinir agi formatinda olusturulmustur Ayrica 2014 yilinda ImageNet Buyuk Olcekli Gorsel Tanima Mucadelesi Large Scale Visual Recognition Challenge icin gelistirilmis ve Temmuz 2015 te piyasaya surulmustur Birden cok katmana sahip bir sinir agi Google in DeepDream programi sayesinde hayal kurma dreaming fikri ve ismi 2015 yilinda internette populer olmustur DeepDream fikri sinir aglari tarihinin ilk donemlerine dayanmaktadir Ayni zamanda gorsel doku olusturmak icin benzer yontemler kullanilmistir Benzer gorsellestirme fikirleri cesitli arastirma gruplari tarafindan Google in calismasindan once gelistirilmistir Google tekniklerini yayinlamistir ve kodlarini acik kaynakli hale getirmistir Bundan sonra kullanicilarin kendi fotograflarini donusturmelerini saglamak icin mobil uygulamalar web hizmetleri ve masaustu yazilimlari formatinda cesitli araclar piyasaya cikmistir IslemOrijinal fotograf ustteki DeepDream in 10 yineleme ile egitilmis hali ile kopekleri algilamasi ortadaki DeepDream in 50 yineleme ile egitilmis hali ile kopekleri algilamasi alttaki Program goruntuleri otonom olarak siniflandirmak amaciyla goruntulerdeki desenleri ve yuzleri algilamak icin tasarlanmistir Bununla birlikte program bir kez egitildikten sonra ag ters yonde de calistirilabilmektedir Ardindan orijinal goruntuyu biraz ayarlamasi istenmektedir boylece belirli bir cikti noronu ornegin yuzler veya belirli hayvanlar icin daha yuksek bir guven puani vermektedir Bu sinir aginin ortaya cikan yapisini daha iyi anlamak icin kullanilan gorsellestirmeler ile kullanilabilmektedir Bu durum DeepDream konseptinin temelini olusturmaktadir Bu tersine cevirme proseduru hicbir zaman tam olarak anlasilir degildir cunku birden coga haritalama surecini kullanmaktadir Bununla birlikte yeterince egitimden sonra baslangicta aranan ozelliklerden yoksun goruntuler bile psikedelik ve gercekustu goruntulerin algoritmik olarak uretildigi bir pareidolia formunun ortaya cikmasina neden olacaktir Optimizasyon andirmaktadir agirliklar sabit tutulmaktadir ve giris ayarlanmaktadir Yalnizca ag agirliklarini ayarlanmaktadir Ornegin mevcut bir goruntu kediye daha fazla benzer olacak sekilde degistirilebilmektedir ve elde edilen gelistirilmis goruntu tekrar isleme girilebilmektedir Bu kullanim bulutlardaki desenleri hayvan veya diger desenlere benzetme durumuna benzemektedir Girdinin her pikseline bagimsiz olarak gradyan inisinin uygulanmasi bitisik piksellerin cok az iliskiye sahip oldugu ve bu nedenle goruntunun cok fazla yuksek frekans bilgisine sahip oldugu goruntuler uretmektedir Olusturulan goruntuler dogal goruntu istatistiklerine sahip herhangi bir belirli goruntu icin bir tercih olmaksizin veya basitce puruzsuz olan girdileri tercih ederek ve duzenleyici eklenerek buyuk olcude gelistirilebilir Ornegin Mahendran Bu ornekte parcali sabit goruntuleri tercih eden toplam varyasyon duzenleyicisini kullanilmistir Cesitli duzenleyiciler daha ayrintili olarak tartisilmaktadir Ozellikle gorsellestirme ve duzenleme tekniklerinin gorsel bir kesfi yakin zamanda yayinlanmistir Goruntulerin LSD ye ve psilosibinin neden oldugu halusinasyonlara atifta bulunulan benzerligi yapay sinir aglari ile gorsel korteksin belirli katmanlari arasinda islevsel bir benzerlik oldugunu dusundurmektedir Bir bilgisayar bilimi programi olan Computerphile Google Dream tarafindan kullanilan makine ogrenimi sureclerini ayrintili olarak anlatmaktadir KullanimiHavuzdaki uc adamin yogun sekilde DeepDream ile islenmis fotografiImageNet uzerinde egitilmis VGG16 agini kullanan DeepDream efektli Mona Lisa Ruya gorme dreaming fikri ciktidakiler disindaki gizli ic noronlara uygulanabilmektedir Bu durum agin cesitli bolumlerinin rollerinin ve temsillerinin kesfedilmesine izin vermektedir Girdiyi tek bir noronu bu kullanima bazen Aktivite Maksimizasyonu olarak adlandirilir veya tum noron katmanini tatmin edecek sekilde optimize etmek de mumkundur Ruya gorme dreaming en cok aglari gorsellestirmek veya bilgisayar sanati uretmek icin kullanilmaktadir Ancak son zamanlarda egitim setine hayal edilen girdilerin eklenmesinin Bilgisayar Bilimi ndeki soyutlamalar icin egitim surelerini iyilestirebilecegi onerilmistir DeepDream modelinin sanat tarihi alaninda da uygulamaya sahip oldugu gosterilmistir DeepDream Foster the People in Doing It for the Money sarkisinin klibinde kullanilmistir 2017 de Sussex Universitesi nden bir arastirma grubu DeepDream algoritmasini onceden kaydedilmis bir panoramik videoya uygulamistir Bu uygulama ile kullanicilarin psikoaktif maddeler ve veya psikopatolojik durumlarin deneyimini taklit etmek icin sanal gerceklik ortamlarini kesfetmelerine olanak taniyan bir Halusinasyon Makinesi olusturulmustur Halusinasyon Makinesi tarafindan tetiklenen oznel deneyimlerin psikedelik duruma fenomenolojik benzerlikler tasirken psilosibinin uygulanmasini takiben kontrol halusinojenik olmayan videolardan onemli olcude farkli oldugunu gostermislerdir Ayrica bakinizOzellik algilama bilgisayar vizyonu Sinir Tip Transferi Yontemsel dokular Doku yapimiKaynakca a b Google Research 2015 8 Temmuz 2015 tarihinde kaynagindan arsivlendi a b c Google Research 2015 3 Temmuz 2015 tarihinde kaynagindan arsivlendi Kaynak hatasi Gecersiz lt ref gt etiketi goingdeeper adi farkli icerikte birden fazla tanimlanmis Bkz Kaynak gosterme a b Szegedy 2014 Going Deeper with Convolutions Computing Research Repository Portilla 2000 A parametric texture model based on joint statistics of complex wavelet coefficients International Journal of Computer Vision 40 49 70 doi 10 1023 A 1026553619983 GitHub da DeepDream Daniel Culpan 3 Temmuz 2015 These Google Deep Dream Images Are Weirdly Mesmerising Wired 8 Mayis 2016 tarihinde kaynagindan Erisim tarihi 25 Temmuz 2015 The Verge 7 Temmuz 2015 8 Temmuz 2015 tarihinde kaynagindan arsivlendi Erisim tarihi 25 Temmuz 2015 Hayes 2015 Computer Vision and Computer Hallucinations American Scientist 103 6 380 doi 10 1511 2015 117 380 ISSN 0003 0996 Olah 7 Kasim 2017 Feature Visualization Distill Ingilizce 2 11 doi 10 23915 distill 00007 ISSN 2476 0757 The Atlantic 3 Eylul 2015 4 Eylul 2015 tarihinde kaynagindan arsivlendi Erisim tarihi 24 Eylul 2015 Arsivlenmis kopya 2 Haziran 2021 tarihinde kaynagindan Erisim tarihi 29 Mayis 2021 Spratt 2017 Dream Formulations and Deep Neural Networks Humanistic Themes in the Iconology of the Machine Learned Image PDF Kunsttexte Humboldt Universitat zu Berlin 4 27 Ekim 2020 tarihinde kaynagindan PDF Erisim tarihi 29 Mayis 2021 Foster The People Doing It for the Money 11 Agustos 2017 16 Agustos 2017 tarihinde kaynagindan erisim tarihi 15 Agustos 2017 Suzuki 22 Kasim 2017 A Deep Dream Virtual Reality Platform for Studying Altered Perceptual Phenomenology Sci Rep 7 1 15982 doi 10 1038 s41598 017 16316 2 PMC 5700081 2 PMID 29167538 Dis baglantilarGitHub da Deep Dream python notebook Mordvintsev Alexander Olah Christopher Tyka Mike 17 Haziran 2015 Inceptionism Going Deeper into Neural Networks 3 Temmuz 2015 tarihinde kaynagindan