Nieuws

Kijk zelf hoe een slim algoritme jouw tekenschetsen omzet in horror-katten

Een met machine learning slim gemaakt algoritme is in staat om jouw lelijke schetsen van katten om te toveren in zelfgemaakte foto’s. Het systeem werkt ook voor gevels van huizen waar de resultaten spookachtig zijn.

Christopher Hesse is een softwareontwikkelaar en mede-oprichter van een start-up-bedrijfje. Hij verdiepte zich in machine learning en Tensorflow met interessante resultaten tot gevolg. Hesse schreef een demo van de beeld-naar-beeld-capaciteiten van een Tensorflow-algoritme. Op een door hem gemaakte website kan je de demo aan het werk zien.

Het gebruikte algoritme is getraind door een heleboel paren van beelden te verwerken. Al naargelang de demo die je kiest ging het om katten, schoenen of huizen. Zo leerde de software de essentie van een beeld herkennen. Het algoritme is vervolgens in staat aan de hand van door jouw getekende input zelf het tweede beeld van een ‘paar’ te genereren. De software analyseert de grote lijnen van je tekening maar levert zelf een veel complexer beeld af.

Wie goed kan tekenen en het algoritme de juiste lijnen geeft om mee te werken, krijgt knappe resultaten te zien. Wie net als ondergetekende iets minder artistiek aangelegd is, loopt het risico de komende nachten wakker te schrikken met horrorbeelden van monsterlijke katten nog steeds op zijn of haar netvlies gebrand.

Machine learning in actie

Los van het plezier toont de website goed aan hoe algoritmes die gebruik maken van machine learning en neurale netwerken beelden zien. Gaat het om beeldherkenning, dan wordt een complexe foto neuron na neuron afgebroken tot eenvoudigere elementen. In dit geval voer je de software enkele basiselementen in de vorm van lijnen, en probeert de computer omgekeerd te werk te gaan.

Mooiere resultaten krijg je bij de demo waarin je de gevel van een huis kan genereren. Hier moet je zelf een schets tekenen gebruik makend van de verschillende mogelijkheden die de tool je geeft. Zo teken je rechthoeken die een deur moeten voorstellen, andere rechthoeken die ramen zijn, dunnere rechthoeken die zuilen moeten worden… De tool begrijpt de input en stelt vervolgens een gevel samen die aan de eisen voldoet. De resultaten zijn opnieuw wisselvallig. Hoe beter jouw schets, hoe mooier de gevel. Het gegenereerde beeld blijft in ieder geval spookachtig. Ga hier zelf aan de slag.

googlemachine learningneurale netwerkentensorflow

Gerelateerde artikelen

Volg ons

69% korting + 3 maanden gratis

69% korting + 3 maanden gratis

Bezoek NordVPN