Как создать бота который будет описывать картинку на JS или PHP?

Question

[arti_djeims]

Все чаще начали пояляться разные api сайтов которые определяют что на картинке, по типу: Computer Vision Microsoft или Google Cloud Vision Все они используют ИИ. Как создать свой сайт который будет описывать картинку используя JavaScript или PHP но без использования Node.js Возможно у вас есть какие то идеи либо готовые решения, либо готовый код? Тема интересная, спасибо за помощь.

Comments

[Nwton]

Распознавание образов к ии никакого отношения не имеет.

Answer 1

[McBernar]

Да, конечно.

1. Берем сайт
2. И создаем его

Answer 2

[Антон Рейтаровский]

1. Делаем нейронную сеть
   
2. Обучаем её
   
3. Пишем для неё веб интерфейс
   
4. Профит
   

Answer 3

[Александр Пожарский]

"Как создать свой сайт который будет описывать картинку используя JavaScript или PHP но без использования Node.js"
1. выбираем api (от того же google или watson, например)
2. находим готовую обёртку к нему или пишем свою
3. пишем свой сайт.

А вот как написать собственную платформу и где взять данные для обучения (и даже - как ими воспользоваться) - это совсем другая проблема. И, похоже, изучение языка на более-менее годном уровне - это так, мелочи :-)

Answer 4

[xmoonlight]

НС - это фильтрация по признакам входных данных.
Для картинки: это цвет основного центрального пикселя и цвета соседних (окружающих его) пикселей.
Распознавание по-шагам:
1. Находим уникальные области изображения (ограниченные прямоугольником или кругом), составляющие топологический "скелет" всего изображения.
2. Находим максимальное сопоставление "скелетов" на эталонных и на распознаваемом изображении.
3. Выполняем сравнение этих областей с эталонными в процентном соотношении с учётом корректности топологии: линий, процентов расстояний и углов направлений каждой уникальной области относительно другим уникальным областям одного изображения.
4. Профит!

Comments

[Александр Пожарский]

Да вроде можно и попытаться дообучить готовую свёрточную, не? (обучать какой-нибудь vgg с нуля смысла, конечно, мало). Но да - данных надо немало.

[xmoonlight]

Александр Пожарский: можно, НО!:
1. результат определения - ТОЧНО! не 100%
2. Требуется больше 1000 изображений (вместо одного при скелетной сверке) для каждого кластера
3. Требуется очень много ресурсов для обучения того, что не будет 100% работать. (т.к. никакая НС не работает на полные 100%)
4. Всегда нужно использовать бинарное дерево разницы признаков! (чего никогда не сделает НС)

[Александр Пожарский]

xmoonlight: Можно подробнее про последний пункт? А то чего-то не пойму о каком бинарном дереве речь (да-да, из ML я знаю только о деревьях принятия решений :-) ).

[xmoonlight]

Александр Пожарский: ну про поиск через половинное деление или метод бисекции