0:00:00.825,0:00:01.746
Prije deset godina,

0:00:01.746,0:00:04.680
istraživači računalnog vida mislili su[br]da je naučiti računalo

0:00:04.680,0:00:07.496
kako razlikovati između mačke i psa

0:00:07.520,0:00:09.496
gotovo nemoguće,

0:00:09.520,0:00:13.216
čak i uz značajan napredak[br]u razvoju umjetne inteligencije.

0:00:13.240,0:00:16.800
Sad to možemo učiniti[br]s više od 99 posto točnosti.

0:00:17.680,0:00:19.536
To se zove klasifikacija slike -

0:00:19.560,0:00:22.656
dati sliku, staviti oznaku na sliku -

0:00:22.680,0:00:25.720
a računala znaju [br]i tisuće drugih kategorija.

0:00:26.680,0:00:29.576
Ja sam postdiplomac[br]na Sveučilištu u Washingtonu

0:00:29.600,0:00:31.520
i radim na projektu pod nazivom Darknet,

0:00:31.520,0:00:33.216
što je neuronska mrežna struktura

0:00:33.240,0:00:36.056
za obuku i testiranje [br]modela računalnog vida.

0:00:36.080,0:00:39.056
Pa pogledajmo što Darknet misli

0:00:39.080,0:00:40.840
o ovoj slici koju imamo.

0:00:42.520,0:00:44.856
Kad smo pokrenuti naš klasifikator

0:00:44.880,0:00:46.096
na ovoj slici,

0:00:46.120,0:00:48.576
ne dobivamo samo predviđanja[br]je li to pas ili mačka,

0:00:48.600,0:00:50.936
nego čak i određena predviđanja pasmine.

0:00:51.090,0:00:53.136
To je razina zrnatosti koju imamo sada.

0:00:53.160,0:00:54.776
I to je točno.

0:00:54.800,0:00:56.640
Moj pas je doista malamut.

0:00:57.040,0:01:01.276
Napravili smo nevjerojatne pomake[br]u klasifikaciji slike,

0:01:01.276,0:01:03.400
ali što se događa kad [br]pokrenemo klasifikator

0:01:03.424,0:01:05.384
na sliku koja izgleda ovako?

0:01:07.080,0:01:08.280
Dobro ...

0:01:12.640,0:01:16.536
Vidimo da je klasifikator vraća[br]uz prilično slična predviđanja.

0:01:16.560,0:01:19.656
I to je točno, na slici je malamut,

0:01:19.680,0:01:23.376
ali samo s tom oznakom [br]ne znamo mnogo

0:01:23.400,0:01:25.067
o tome što se događa na slici.

0:01:25.091,0:01:26.651
Trebamo nešto snažnije.

0:01:27.240,0:01:29.856
Radim na problemu koji se zove[br]otkrivanje objekta,

0:01:29.880,0:01:32.816
gdje gledamo sliku i [br]pokušavamo pronaći sve objekte,

0:01:32.840,0:01:34.296
staviti okvire oko njih

0:01:34.320,0:01:35.840
i reći ono što ti predmeti su.

0:01:36.400,0:01:39.680
Evo što se događa kad pokrenemo [br]detektor na ovoj slici.

0:01:41.240,0:01:43.456
Ovakvom vrstom rezultata

0:01:43.456,0:01:46.216
možemo napraviti puno više [br]s algoritmima računalnog vida.

0:01:46.240,0:01:49.216
Vidimo da zna da su tu mačka i pas.

0:01:49.240,0:01:51.496
Zna njihove relativne položaje,

0:01:51.520,0:01:52.736
njihovu veličinu.

0:01:52.760,0:01:54.426
Čak može znati neke dodatne informacije.

0:01:54.426,0:01:56.680
U pozadini je knjiga.

0:01:57.280,0:02:00.536
Ako želite izgraditi sustav[br]na osnovi računalnog vida,

0:02:00.560,0:02:04.016
recimo autonomno vozilo [br]ili robotski sustav,

0:02:04.040,0:02:06.496
ovo je vrsta informacija koje želite.

0:02:06.520,0:02:09.759
Želite nešto da možete[br]komunicirati s fizičkim svijetom.

0:02:10.759,0:02:13.016
Kad sam počeo raditi na [br]prepoznavanju objekata,

0:02:13.040,0:02:16.336
trebalo je 20 sekundi [br]za obradu jedne slike.

0:02:16.360,0:02:20.240
A kako biste dobili osjećaj zašto je [br]brzina ovdje tako važna,

0:02:21.120,0:02:23.656
evo primjera detektora objekta

0:02:23.680,0:02:26.096
koji treba dvije sekunde za obradu slike.

0:02:26.120,0:02:28.736
Dakle ovo je 10 puta brže

0:02:28.760,0:02:32.026
od detektora kojem treba [br]20 sekundi po slici,

0:02:32.026,0:02:34.976
i možete vidjeti da se za vrijeme [br]dok on učini predviđanja,

0:02:35.000,0:02:37.040
promijenilo čitavo stanje u svijetu,

0:02:37.880,0:02:40.296
i to ne bi bilo vrlo korisno

0:02:40.320,0:02:41.736
za neku primjenu.

0:02:41.760,0:02:44.256
Ako ovo gore ubrzamo[br]još jednom za faktor 10,

0:02:44.280,0:02:47.096
to je detektor koji radi [br]na pet sličica u sekundi.

0:02:47.120,0:02:48.656
To je puno bolje,

0:02:48.680,0:02:50.656
ali, na primjer,

0:02:50.680,0:02:52.976
ako postoji bilo kakav značajan pokret,

0:02:53.000,0:02:55.560
ne bih želio da sustav poput ovog[br]vozi moj auto.

0:02:57.120,0:03:00.360
Ovo je naš sustav otkrivanja [br]u realnom vremenu na mom laptopu.

0:03:01.000,0:03:04.136
Glatko me prati kako se krećem kroz kadar,

0:03:04.160,0:03:07.880
i otporan je na razne promjene veličine,

0:03:09.440,0:03:10.640
položaja,

0:03:11.280,0:03:13.136
naprijed, natrag.

0:03:13.160,0:03:14.376
Ovo je super.

0:03:14.400,0:03:16.136
To je ono što stvarno trebamo

0:03:16.160,0:03:19.056
ako ćemo graditi sustave[br]na osnovi računalnog vida,

0:03:19.080,0:03:23.080
(Pljesak)

0:03:24.280,0:03:26.456
U samo nekoliko godina

0:03:26.480,0:03:29.136
došli smo od 20 sekundi po slici

0:03:29.160,0:03:32.696
do 20 milisekundi po slici, [br]tisuću puta brže.

0:03:32.720,0:03:34.136
Kako smo došli dovde?

0:03:34.160,0:03:37.176
Nekada su sustavi za otkrivanje predmeta

0:03:37.200,0:03:39.136
uzimali sliku poput ove

0:03:39.160,0:03:41.616
i podijelili je na hrpu područja

0:03:41.640,0:03:44.896
i zatim pokrenuli klasifikator[br]na svakom od tih područja.

0:03:44.920,0:03:47.456
Visoki rezultati za taj klasifikator

0:03:47.480,0:03:50.616
smatrali su se detekcijom u slici.

0:03:50.640,0:03:54.696
No, to je značilo rad klasifikatora [br]tisuće puta na slici,

0:03:54.720,0:03:57.640
tisuće procjena neuronskih mreža [br]kako bi dobili detekciju.

0:03:59.240,0:04:03.776
Umjesto toga smo naučili jednu mrežu [br]da učini sve detekcije za nas.

0:04:03.800,0:04:08.080
Ona istodobno proizvodi sve okvire[br]i klase vjerojatnosti.

0:04:08.680,0:04:12.176
S našim sustavom, umjesto da[br]gledate sliku tisuće puta

0:04:12.200,0:04:13.656
kako bi postigao detekciju,

0:04:13.680,0:04:14.936
gledate samo jednom,

0:04:14.960,0:04:17.880
zato ga zovemo YOLO metoda [br]za detekciju objekta.

0:04:19.360,0:04:23.336
Dakle, ovom brzinom[br]nismo ograničeni samo na slike;

0:04:23.360,0:04:25.776
možemo obraditi video u realnom vremenu.

0:04:25.800,0:04:28.896
Sad, umjesto da samo vidimo mačku i psa,

0:04:28.920,0:04:31.880
vidimo kako se kreću [br]i međusobno komuniciraju.

0:04:34.560,0:04:36.616
To je detektor koji smo obučili

0:04:36.640,0:04:41.016
na 80 različitih klasa

0:04:41.040,0:04:44.296
u Microsoftovoj zbirci podataka COCO.

0:04:44.320,0:04:47.656
Ona ima svašta, poput žlice [br]i vilice, zdjele,

0:04:47.680,0:04:49.480
obične predmete poput tih.

0:04:50.360,0:04:53.456
Ima raznih egzotičnijih stvari:

0:04:53.480,0:04:56.736
životinje, automobili, zebre, žirafe.

0:04:56.760,0:04:58.696
A sada idemo učiniti nešto zabavno.

0:04:58.720,0:05:00.816
Samo ćemo otići u publiku

0:05:00.840,0:05:02.856
i vidjeti što možemo otkriti.

0:05:02.880,0:05:04.500
Želi li tko plišanu životinju?

0:05:06.000,0:05:07.762
Tamo ima nekih medvjedića.

0:05:10.040,0:05:14.576
Možemo malo smanjiti prag detekcije,

0:05:14.600,0:05:18.000
tako da možemo naći više vas u publici.

0:05:19.560,0:05:21.896
Da vidimo možemo li dobiti [br]ove znakove STOP.

0:05:21.920,0:05:23.800
Nalazimo neke ruksake.

0:05:25.880,0:05:27.720
Zumirajmo samo malo.

0:05:30.320,0:05:31.576
I to je super.

0:05:31.600,0:05:34.776
Sva obrada se događa u stvarnom vremenu

0:05:34.800,0:05:36.000
na laptopu.

0:05:37.080,0:05:38.346
I to je važno zapamtiti

0:05:38.346,0:05:41.776
da je ovo sustav za detekciju objekta [br]opće namjene,

0:05:41.800,0:05:46.800
možemo ga trenirati za bilo koju domenu.

0:05:48.320,0:05:50.856
Isti kod koji koristimo

0:05:50.880,0:05:53.336
za pronaći znakove STOP ili pješake,

0:05:53.360,0:05:55.336
bicikle u autonomnim vozilima,

0:05:55.360,0:05:58.216
može se koristiti[br]kako bi pronašli stanice raka

0:05:58.240,0:06:01.256
u biopsiji tkiva.

0:06:01.280,0:06:05.320
A znanstvenici diljem svijeta već [br]koriste ovu tehnologiju

0:06:06.240,0:06:09.656
za napredak u medicini, robotici.

0:06:09.680,0:06:11.056
Jutros sam pročitao članak

0:06:11.080,0:06:15.656
o popisu životinja u [br]Nacionalnom parku Nairobi

0:06:15.680,0:06:18.816
koristeći YOLO u sustavu detekcije.

0:06:18.840,0:06:21.936
A to je zato što je Darknet open source,

0:06:21.960,0:06:24.480
u javnoj domeni, besplatan [br]svakomu za korištenje.

0:06:25.600,0:06:31.296
(Pljesak)

0:06:31.320,0:06:36.256
No, željeli smo napraviti detekciju [br]još dostupnijom i korisnijom

0:06:36.280,0:06:40.336
pa smo kombinacijom optimizacije modela,

0:06:40.360,0:06:42.656
binarizacije mreže i aproksimacije

0:06:42.680,0:06:46.600
dobili detekciju objekata[br]koja radi na mobitelu.

0:06:52.800,0:06:58.120
(Pljesak)

0:06:58.960,0:07:04.016
A ja sam stvarno uzbuđen [br]jer sada imamo moćno rješenje

0:07:04.040,0:07:06.336
problema računalnog vida [br]na osnovnoj razini,

0:07:06.360,0:07:10.216
i svatko ga može uzeti[br]i graditi nešto njime.

0:07:10.240,0:07:13.416
Sad je sve ostalo do vas

0:07:13.440,0:07:16.376
i ljudi diljem svijeta [br]s pristupom tom softveru,

0:07:16.400,0:07:20.056
jedva čekam vidjeti što će [br]ljudi učiniti s ovom tehnologijom.

0:07:20.080,0:07:21.296
Hvala vam.

0:07:21.316,0:07:22.532
(Pljesak)