//Без Комментариев — Картонная Камера, Сжатие Изображения С Обнаружением NN И Анемии

• Захватывайте и делитесь фотографиями VR с помощью картонной камеры, теперь на iOS

• Сжатие изображений с помощью нейронных сетей

• Как заставить смартфон обнаруживать анемию

Иногда новости достаточно хорошо освещаются в других местах, и нам мало что остается добавить, кроме как довести их до вашего сведения.

Без комментариев-это формат, в котором мы представляем исходную исходную информацию, слегка отредактированную, чтобы вы могли решить, хотите ли вы следить за ней. 

Захватывайте и делитесь фотографиями VR с помощью картонной камеры, теперь на iOS

С помощью картонной камеры, которая теперь доступна как на iOS, так и на Android, вы можете снимать 3D—360—градусные фотографии виртуальной реальности. Как и Google Cardboard, он работает с телефоном, который у вас уже есть.

Фотографии VR, сделанные с помощью картонной камеры, представляют собой трехмерные панорамы, которые могут перенести вас прямо в настоящий момент. Близкие вещи кажутся близкими, а далекие-далекими. Вы можете оглядеться, чтобы изучить изображение во всех направлениях, и даже услышать звук, записанный во время съемки, чтобы услышать момент точно так, как это произошло. Чтобы сделать снимок в виртуальной реальности, держите телефон вертикально, нажмите запись, а затем повернитесь, как будто вы снимаете панораму.

Сжатие изображений с помощью нейронных сетей

Исследователи Google усердно работают над поиском способов сжатия изображений с помощью нейронных сетей:

В разделе «Сжатие изображений с полным разрешением с помощью рекуррентных нейронных сетей» мы расширяем наши предыдущие исследования по сжатию данных с использованием нейронных сетей, исследуя, может ли машинное обучение обеспечить лучшие результаты для сжатия изображений, как это было для распознавания изображений и суммирования текста. Кроме того, мы выпускаем нашу модель сжатия через TensorFlow, чтобы вы могли экспериментировать с сжатием ваших собственных изображений с помощью нашей сети. 

Наша система работает путем итеративного уточнения реконструкции исходного изображения, причем как кодер, так и декодер используют остаточные слои GRU, чтобы дополнительная информация могла передаваться от одной итерации к следующей. Каждая итерация добавляет больше битов в кодировку, что обеспечивает более качественную реконструкцию.

Основная идея заключается в том, что сеть учится воспроизводить ошибки кодирования, чтобы сделать кодирование более точным на следующем проходе. В конечном итоге пропускная способность сети будет достигнута, и результат не может быть улучшен.

Так насколько же это хорошо?

Чтобы продемонстрировать различия в размере и качестве файлов, мы можем сфотографировать Ваш, японский подбородок, и сгенерировать два сжатых изображения, одно JPEG и одно остаточное GRU.

Оба изображения нацелены на перцептивное сходство 0,9 МС-SSIM, показатель качества восприятия, который достигает 1,0 для идентичных изображений. Изображение, сгенерированное нашей изученной моделью, приводит к файлу на 25% меньше, чем JPEG.

Слева: Исходное изображение (1419 КБ PNG) при ~1,0 МС-SSIM. Центр: JPEG (33 КБ) при ~0,9 МС-SSIM. Справа: Остаточный ГРУ (24 КБ) при ~0,9 МС-SSIM. Это на 25% меньше для сопоставимого качества изображения

Оглядев его нос и рот, мы видим, что в нашем методе нет пурпурных блоков и шума в середине изображения, как в JPEG. Это связано с блокировкой артефактов, создаваемых JPEG, в то время как наша сеть сжатия работает сразу со всем изображением. Однако есть компромисс-в нашей модели детали усов и текстуры теряются, но система показывает большие перспективы в уменьшении артефактов.

Как заставить смартфон обнаруживать анемию

Новый способ выявления анемии, состояния, вызванного недостатком эритроцитов, несущих кислород, с помощью камеры смартфона намекает на то, как такие устройства могут использоваться для раннего предупреждения о болезни без необходимости в дорогостоящем оборудовании или посещении больницы.

Исследователи из Вашингтонского университета представят простую технику отслеживания анемии с помощью смартфона и источника света на конференции в конце этого месяца. Их тесты показывают, что точность устройства соперничает с точностью готового, одобренного FDA теста на анемию. Технология была разработана в лаборатории Шветака Пателя, профессора кафедры электротехники университета 

Чтобы получать информацию о новых статьях на I Programmer, подпишитесь на нашу еженедельную рассылку,подпишитесь на RSS-канал и следуйте за нами в Twitter, Facebook, Google+ или Linkedin.

Комментарии

Сделайте комментарий или Просмотрите существующие комментарии С помощью Disqus