DeepDream

Makine öğrenmesi ve veri madenciliği
Problemler Sınıflandırma Kümeleme Regresyon Anomali tespiti Association rules Pekiştirmeli öğrenme Yapılandırılmış tahmin Öznitelik mühendisliği Öznitelik öğrenmesi Öznitelik çıkarımı Online öğrenme Yarı-gözetimli öğrenme Gözetimsiz öğrenme Sıralama öğrenme Gramer Tümevarımı
Gözetimli öğrenme Karar ağacı Birlik öğrenmesi k-YK Doğrusal regresyon Naive Bayes Sinir ağları Lojistik regresyon Relevance vector machine (RVM) Support vector machine (SVM) Rastgele orman
Kümeleme BIRCH Hiyerarşik k-means Beklenti maksimizasyon DBSCAN OPTICS Mean-shift
Boyut indirgeme Faktör analizi CCA ICA LDA NMF PCA t-SNE
Yapılandırılmış tahmin Grafiksel modeller (Bayes ağları, CRF, HMM)
Anomali tespiti k-NN Local outlier factor
Sinir ağları Perseptron Otokodlayıcı Derin öğrenme RNN LSTM Kısıtlı Boltzmann makinesi SOM Kıvrımlı sinir ağları
Pekiştirmeli öğrenme Q-Learning SARSA Temporal Difference (TD)
Teori Bias-variance ikilemi Hesaplamalı öğrenme teorisi Empirik risk minimizasyonu Occam learning PAC learning İstatistiki öğrenme teorisi VC theory
Konferanslar ve dergiler NIPS ICML ML JMLR ArXiv:cs.LG
g t d

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.^[1][2][3]

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.

DeepDream yazılımı, "Inception" isimli filmden esinlenilerek evrişimli sinir ağı formatında oluşturulmuştur.^[1][2][3] Ayrıca, 2014 yılında ImageNet Büyük Ölçekli Görsel Tanıma Mücadelesi (Large-Scale Visual Recognition Challenge) için geliştirilmiş ve Temmuz 2015'te piyasaya sürülmüştür.

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.^[4] Benzer görselleştirme fikirleri, çeşitli araştırma grupları tarafından (Google'ın çalışmasından önce) geliştirilmiştir.

Google tekniklerini yayınlamıştır ve kodlarını açık kaynaklı hale getirmiştir.^[5] Bundan sonra kullanıcıların kendi fotoğraflarını dönüştürmelerini sağlamak için mobil uygulamalar, web hizmetleri ve masaüstü yazılımları formatında çeşitli araçlar piyasaya çıkmıştır.^[6]

Orijinal fotoğraf (üstteki), DeepDream'in 10 yineleme ile eğitilmiş hali ile köpekleri algılaması (ortadaki), DeepDream'in 50 yineleme ile eğitilmiş hali ile köpekleri algılaması (alttaki).

Program, görüntüleri otonom olarak sınıflandırmak amacıyla görüntülerdeki desenleri ve yüzleri algılamak için tasarlanmıştır.^[7] 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.^[8] 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 geri yayılımı 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.^[2] 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.^[9]

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.^[10]

Bir bilgisayar bilimi programı olan Computerphile, Google Dream tarafından kullanılan makine öğrenimi süreçlerini ayrıntılı olarak anlatmaktadır.^[11]

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.^[12]

DeepDream, Foster the People'ın "Doing It for the Money" şarkısının klibinde kullanılmıştır.^[13]

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.^[14] Halüsinasyon Makinesi tarafından tetiklenen öznel deneyimlerin, psikedelik duruma fenomenolojik benzerlikler taşırken (psilosibinin uygulanmasını takiben) kontrol (halüsinojenik olmayan) videolardan önemli ölçüde farklı olduğunu göstermişlerdir.

• Özellik algılama (bilgisayar vizyonu)
• Sinir Tip Transferi
• Yöntemsel dokular
• Doku yapımı

• GitHub'da Deep Dream, python notebook
• Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (17 Haziran 2015). "Inceptionism: Going Deeper into Neural Networks". 3 Temmuz 2015 tarihinde kaynağından arşivlendi.