Microsoft, Adobe, Real Networks и Apple обвинены в пиратстве
Президентские дебаты на YouTube и CNN
В России тоже скоро президентские выборы. Как вы думаете, стоит ли ждать подобной совместной акции Рутуба и Первого канала? Было бы интересно.
Google AdSense стал эксклюзивным провайдером рекламы на CNN.com
Старший вице-президент и генеральный руководитель CNN.com Дэвид Пэйн (David Payne) сказал, что благодаря этой сделке с Google, посетителям сайта CNN будет отображаться самая качественная релевантная реклама.
Директор отдела стратегического партнерства Google Марк Либовиц (Marc Leibowitz) также обменялся любезностями и сказал, что поисковый гигант рад сотрудничать с таким партнёром как уважаемый новостной ресурс CNN.
Эффект СNN 2 — Мобильные глаза общества
Один день из жизни сотрудника Google
Будущее уже здесь — Голографический телерепортаж
Лучше один раз увидеть, как говорится :)
Как работала голографическая система CNN
Блог Gizmodo разъясняет, как работает эта технологическая новинка. Если кратко, «магия» стала возможной благодаря системам Vizrt и SportVu, а также 44 камерам высокого разрешения и 20 компьютерам.
Вот список оборудования на стороне корреспондента.
- 35 HD-камер, снимающих корреспондента со всех сторон.
- Камеры располагались не в одной плоскости, а снимали под разным углом.
- На самом деле корреспондента снимали в специальном трейлере, а не в штаб-квартирах кандидатов, а там находилось всего пару камер.
- 37-дюймовый плазменный экран, на котором корреспондент видел студию.
- 20 серверов для обработки данных в реальном режиме времени.
CNN купила аккаунт @cnnbrk с миллионом фоловеров
Финансовые детали сделки не разглашаются. Известно только, что CNN сотрудничала с предыдущим владельцем аккаунта Джеймсом Коксом более двух лет, а недавно он посетил их штаб-квартиру в Атланте с двухдневным визитом.
Очевидно, что аккаунт ушёл за очень приличную сумму. Аудитория в миллион человек дорогого стоит. Расширив ленту твиттер-новостей и добавив туда ссылки на свой сайт, CNN получит у себя сотни тысяч просмотров в сутки (и соответствующее количество баннеропоказов). Это неплохие деньги. Правда, в ближайшее время CNN пока не планирует добавлять эти ссылки (видимо, чтобы не распугать аудиторию).
О смене владельца аккаунта стало известно буквально сегодня, когда в списке френдов cnnbrk появилось несколько репортёров CNN (раньше этот список был пуст).
Вести зашли в iPhone
Владельцам «яблочных» телефонов для того, чтобы держать руку на пульсе и получать самые последние новостные сюжеты канала, а также размещаемые на сайте сюжеты, достаточно скачать из электронного магазина iTunes бесплатное приложение. На главном новостном сайте ВГТРК по адресу iphone.vesti.ru есть страница программы с прямой ссылкой для iTunes.
«Новости объявляются в режиме реального времени, практически одновременно появляются в iPhone. Так что можно оперативно следить за всей этой информацией. Об экономике, о политике, о происшествиях, сводка рыночной информации — все можно видеть», — рассказал руководитель компании-разработчика «Цифровые технологии» Алексей Бычков.
Приложение стало доступно в «яблочном» онлайновом супермаркете Apple AppStore буквально несколько дней назад, и говорить о его популярности пока рано.«Мы еще совсем его не рекламировали и дали ссылки только по знакомым. Может быть, человек 50 его скачали. Все сказали: „Хорошо! У CNN гораздо хуже, и у них еще это стоит два доллара“. А у нас это стоит ничего, то есть бесплатно», — сказал Алексей Бычков.
Новые Nokia Imaging SDK и графические приложения: подробности
Вместе с презентацией камерофона Nokia Lumia 1020 на прошлой неделе в Нью-Йорке мы представили набор средств разработки Nokia Imaging SDK. Плюс, много было сказано о ряде новых приложений, созданных при помощи данного SDK и расширяющих возможности работы смартфона с изображениями. В список разработчиков этих программ вошли в том числе Hipstamatic, Path, Vyclone, SNAPCAM, Panagraph, Yelp, CNN и Foursquare. Также было объявлено о доступности в скором времени известного «социального журнала» Flipboard и приложения видеосоцсети Vine для Windows Phone.
Под катом мы расскажем подробнее и об этих приложениях, и, конечно, о новом Nokia Imaging SDK

Нейрореволюция в головах и сёлах

На мой взгляд такое и правда происходит. И одна из главных движущих сил — новые алгоритмы обучения, позволяющие обрабатывать большие объёмы информации. Современные разработки в области компьютерного зрения и алгоритмов машинного обучения могут быстро принимать решения с точностью не хуже профессионалов.
Я работаю в области связанной с анализом изображений. Это одна из областей которую новые идеи затронули сильнее всего. Одна из таких идей — свёрточные нейронные сети. Четыре года назад с их помощью впервые начали выигрывать конкурсы по обработке изображений. Победы не остались незамеченными. Нейронными сетями, до тех пор стоящими на вторых ролях, стали заниматься и пользоваться десятки тысяч последователей. В результате, полтора-два года назад начался бум, породивший множество идей, алгоритмов, статей.
В своём рассказе я сделаю обзор тех идей, которые появились за последние пару лет и зацепили мою тематику. Почему происходящее — революция и чего от неё ждать.
Кто лишится в ближайшие лет десять работы, а у кого будут новые перспективные вакансии.
На что смотрит свёрточная нейросеть, когда видит наготу

На прошлой неделе в компании Clarifai мы формально анонсировали нашу модель распознавания непристойного контента (NSFW, Not Safe for Work).
Предупреждение и отказ от ответственности. Эта статья содержит изображения обнажённых тел в научных целях. Мы просим не читать дальше тех, кому не исполнилось 18 лет или кого оскорбляет нагота.
Автоматическое выявление обнажённых фотографий было центральной проблемой компьютерного зрения на протяжении более двух десятилетий, и из-за своей богатой истории и чётко поставленной задачи она стала отличным примером того, как развивалась технология. Я использую проблему детектирования непристойности для пояснения, как обучение современных свёрточных сетей отличается от исследований, проводившихся в прошлом.
Стартапы Pinterest и Snapchat готовятся к новому раунду финансирования
Google News обогнал NY Times

Если посмотреть на эти графики, то становится понятно беспокойство оплотов журналистики. Новостные аггрегаторы явно опережают по посещаемости все крупнейшие СМИ и, очевидно, забирают их аудиторию.
Эволюция нейросетей для распознавания изображений в Google: GoogLeNet
У меня тут синхронизируется VM надолго, поэтому есть время рассказать про то, что я недавно читал.
Например, про GoogLeNet.
GoogLeNet — это первая инкарнация так называемой Inception architecture, которая референс всем понятно на что:
(кстати, ссылка на него идет первой в списке референсов статьи, чуваки жгут)
Она выиграла ImageNet recognition challenge в 2014-м году с результатом 6.67% top 5 error. Напомню, top 5 error — метрика, в которой алгоритм может выдать 5 вариантов класса картинки и ошибка засчитывается, если среди всех этих вариантов нет правильного. Всего в тестовом датасете 150K картинок и 1000 категорий, то есть задача крайне нетривиальна.
Чтобы понять зачем, как и почему устроен GoogLeNet, как обычно, немного контекста.
Эволюция нейросетей для распознавания изображений в Google: Inception-v3
Продолжаю рассказывать про жизнь Inception architecture — архитеткуры Гугла для convnets.
(первая часть — вот тут)
Итак, проходит год, мужики публикуют успехи развития со времени GoogLeNet.
Вот страшная картинка как выглядит финальная сеть:
Что же за ужас там происходит?
Эволюция нейросетей для распознавания изображений в Google: Inception-ResNet
Предыдущая часть здесь — https://habrahabr.ru/post/302242/.
Мы остановились на том, Inception-v3 не выиграл Imagenet Recognition Challange в 2015-м, потому что появились ResNets (Residual Networks).
Что такое вообще ResNets?

Рекомендации на основе изображений товаров

В данной статье я хотел бы рассмотреть на практике вариант построения простейшей рекомендательной системы основанной на схожести изображений товаров. Этот материал предназначен для тех, кто хотел бы попробовать применить Deep Learning, а именно свёрточные нейронные сети, в простом, интересном и практически применимом проекте, но не знает с чего начать.
Deep Learning: Transfer learning и тонкая настройка глубоких сверточных нейронных сетей
