DeepDream

DeepDream adalah program penglihatan komputer yang dibuat oleh insinyur Google, Alexander Mordvintsev menggunakan jaringan saraf tiruan convolutional. Program ini memanfaatkan jaringan saraf tiruan untuk menemukan dan meningkatkan pola dalam gambar melalui pareidolia algoritmik, sehingga menciptakan tampilan halusinogenik mirip mimpi seperti dalam gambar yang diproses secara berlebihan.^[1][2][3]

Lukisan "Mona Lisa" dengan efek DeepDream menggunakan jaringan saraf tiruan VGG16 yang dilatih dengan ImageNet

Istilah (deep) "dreaming" pertama kali dipopulerkan Google untuk merujuk pada pemrosesan gambar yang menghasilkan aktivasi tertentu pada jaringan saraf dalam (deep neural networks) yang terlatih. Istilah ini sekarang mengacu pada kumpulan pendekatan terkait pemrosesan gambar semacam ini.

Sejarah

Perangkat lunak DeepDream, dibuat berdasarkan jaringan saraf tiruan konvolusional dengan nama kode "Inception" yang diberi nama berdasarkan film Inception.^[1][2][3] Perangkat lunak ini dikembangkan untuk ImageNet Large-Scale Visual Recognition Challenge (ILSVRC) pada tahun 2014^[3] dan dirilis pada bulan Juli 2015.

Ide tentang mimpi dan penamaannya menjadi populer di internet pada tahun 2015 berkat program DeepDream yang diprakarsai Google. Ide ini terinspirasi sejarah jaringan saraf tiruan.^[4] Metode yang serupa juga telah digunakan untuk mensintesis tekstur visual.^[5] Ide visualisasi ini telah dikembangkan oleh beberapa kelompok peneliti sebelum dikerjakan Google dalam proyek DeepDream.^[6][7]

Setelah Google mempublikasikan teknik mereka dan menjadikan kode mereka sumber terbuka,^[8] banyak perangkat lunak dibuat berdasarkan konsep ini. Beberapa diantaranya dalam bentuk layanan web, aplikasi seluler, dan perangkat lunak desktop yang memungkinkan pengguna mengubah foto mereka sendiri.^[9]

Gambar asli (kiri) setelah menerapkan sepuluh (tengah) dan lima puluh (kanan) iterasi DeepDream, jaringan telah dilatih untuk melihat anjing

Referensi

1. Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (2015). "DeepDream - a code example for visualizing Neural Networks". Google Research. Diarsipkan dari versi asli tanggal 2015-07-08.
2. Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (2015). "Inceptionism: Going Deeper into Neural Networks". Google Research. Diarsipkan dari versi asli tanggal 2015-07-03.
3. Szegedy, Christian; Liu, Wei; Jia, Yangqing; Sermanet, Pierre; Reed, Scott; Anguelov, Dragomir; Erhan, Dumitru; Vanhoucke, Vincent; Rabinovich, Andrew (2014). "Going Deeper with Convolutions". Computing Research Repository. arXiv:1409.4842 . Bibcode:2014arXiv1409.4842S.
4. Lewis, J.P. (1988). Creation by refinement: a creativity paradigm for gradient descent learning networks. IEEE International Conference on Neural Networks. doi:10.1109/ICNN.1988.23933.
5. Portilla, J; Simoncelli, Eero (2000). "A parametric texture model based on joint statistics of complex wavelet coefficients". International Journal of Computer Vision. 40: 49–70. doi:10.1023/A:1026553619983. Parameter |s2cid= yang tidak diketahui akan diabaikan (bantuan)
6. Erhan, Dumitru. (2009). Visualizing Higher-Layer Features of a Deep Network. International Conference on Machine Learning Workshop on Learning Feature Hierarchies. Parameter |s2cid= yang tidak diketahui akan diabaikan (bantuan)
7. Simonyan, Karen; Vedaldi, Andrea; Zisserman, Andrew (2014). Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps. International Conference on Learning Representations Workshop. arXiv:1312.6034 .
8. Repositori DeepDream di GitHub
9. Daniel Culpan (2015-07-03). "These Google "Deep Dream" Images Are Weirdly Mesmerising". Wired. Diakses tanggal 2015-07-25.

Pranala luar

• Repositori Deep Dream, python notebook di GitHub
• Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (June 17, 2015). "Inceptionism: Going Deeper into Neural Networks". Diarsipkan dari versi asli tanggal 2015-07-03. Parameter |url-status= yang tidak diketahui akan diabaikan (bantuan)