Ma tu nekdo zkusenost s Machine Learning?

Ahoj,

ma tu nekdo zkusenost s Machine Learning - konkretne uceni pro rozpoznavani obrazku ? Pouzivam Tensorflow2, nicmene resim jinou otazku:

Rekneme ze mam priklad, kdy potrebuju urcit ruzne druhy zvirat z nahrane fotky. Nemam problem pro kazdy zvire sehnat stovky fotek ktere se pouziji pro uceni, ale:

Je lepsi pro presnejsi detekci vytahnout z obrazku konkretni objekty (tj kocka ze stolu, pes z travy, krava z louky, atd..), a nebo je lepsi nechat fotky jak jsou, vzhledem k tomu ze uzivatel bude nahravat fotky z realneho sveta, tj fakt nebude mit vyrizleho psa z fotky, ale bude mit fotku psa na ceste napriklad :)

Pokud je lepsi vytahnout konkretni objekty - neznate nejaky nastroj na obecnou detekci objektu v prostoru, co by umel ty obrazky cropnout automaticky ? Budu mit miliony fotek, takze rucne to delat nelze :D

H.

vykrojit konkrétní objekt a mít ho v různých úhlech, pozicích, barvách, typech atd. Pro učení pak z toho stejně děláš kontůry, reliéfy, frekvenční separace, histogramy aj. Okolí tě zajímá pouze pokud je nutné k detekci (např. když rozpoznáváš činnost, denní dobu apod.)

Nástrojů a frameworků na detekci objektů a jejich vyříznutí je spousta i kolem tensorflow. Z hlavy ti žádný na detekci zvířat nedám (hledej tensorflow object detection/classification), pokud najdeš nějaký konkrétní, mohu ti s tím poradit více. Převážně používáme ML na automatizace, bezpečnostní kamery, OCR, predikce a doporučování nebo optimalizace skladů a výrobních linek.

Před dvěma lety někdo poptával appku na rozpoznávání plemen psů a doporučení stravy, pohybu atd., ale nevycházelo nám ani demo, takže jsme nabídku nepodávali.

Sežeň si někoho, kdo umí statistiku a rozumí teoreticky ML, jinak ti z toho mohou vylézt nesmysly, příprava dat a interpretace výsledků je důležitá pro zvýšení spolehlivosti.

Jako základ můžeš použít i tohle https://www.tensorflow.org/lite/mode...ction/overview, ale v praxi to je lehce false positive i false negative

Pro učení budeš stejně potřebovat pečlivě vybraný vstup a zajistit, že tam nebude nic jiného a bude řádně klasifikovaný, jinak ti model bude tvrdit, že banán je kůň.

Nemůžeš použít třeba api od Googlu https://cloud.google.com/vision/? Dostat se na jejich úroveň dá zabrat a již jim to funguje docela slušně.

Původně odeslal TomášX

Jako základ můžeš použít i tohle https://www.tensorflow.org/lite/mode...ction/overview, ale v praxi to je lehce false positive i false negative

Pro učení budeš stejně potřebovat pečlivě vybraný vstup a zajistit, že tam nebude nic jiného a bude řádně klasifikovaný, jinak ti model bude tvrdit, že banán je kůň.

Nemůžeš použít třeba api od Googlu https://cloud.google.com/vision/? Dostat se na jejich úroveň dá zabrat a již jim to funguje docela slušně.

Diky .. u google bych se nedoplatil :D

Ja mam uz jeden dataset postavenej historicky asi 3 roky na http://urcovanimotylu.cz (kdyz hodis do google dotaz na nejakou fotku otakarka fenyklovyho, vydetekuje ti to jako papilio machaon) atd ... Ted mam jen k dispozici podstatne sirsi zakladnu podkladovych fotek, a TF je preci jen taky o kus dal ... nicmene o ML vim detailne kulovy a nejsem asi uz moc ani ve stadiu abych se snazil pochopit co se deje uvnitr ... nicmene, nekteryma krokama muzu ten vysledek zefektivnit/zlepsit ... a to je napriklad tim jestli zdrojovy fotky oriznu ciste na pozadovany objekt, nebo je necham cely, atd ...

aha, takže pro sebe a pro hoby projekt :). Na tréninkových datech nech jen to, podle čeho chceš určovat výsledek a nic navíc, může se ti pak model naučit, že podlé trávy pozná motýla, což je většinou nesmysl. Ono při klasifiaci se stejně na obrázek hodí nějaké object detection a jednotlivé části se samostatně proženou modelem. Pro začátek neprodukuje vůbec špatné výsledky, pokud stejný object detection program/algoritmus použiješ pro trénink (na vytáhání pouze zvířátek) a pro klasifikace uživatelských vstupů.

Rozpoznávání motýlů může být docela zábava, zkusil bych ten nápad roznést po okolí a třeba to někoho, kdo s tím dělá zaujme a pomůže ti. Pokud to hodíš vše jako open source někam ven, určitě i v mém okolí se najde někdo, kdo by si nanečisto chtěl něco vyzkoušet. Nováčky u nás vzděláváme na udemy.com, některé kurzy nejsou tak drahé a kolem ML jich tam pár dobrých je.

Lidem kolem webexpa nestačila jedna konference, tak v březnu zase bude https://www.mlprague.com/, pokud to ještě bude v té době řešit, zajdi si tam, potkáš tam spousty fandů a vytáhneš z nich třeba nějakou pomoc :).

Původně odeslal TomášX

aha, takže pro sebe a pro hoby projekt :). Na tréninkových datech nech jen to, podle čeho chceš určovat výsledek a nic navíc, může se ti pak model naučit, že podlé trávy pozná motýla, což je většinou nesmysl. Ono při klasifiaci se stejně na obrázek hodí nějaké object detection a jednotlivé části se samostatně proženou modelem. Pro začátek neprodukuje vůbec špatné výsledky, pokud stejný object detection program/algoritmus použiješ pro trénink (na vytáhání pouze zvířátek) a pro klasifikace uživatelských vstupů.

Rozpoznávání motýlů může být docela zábava, zkusil bych ten nápad roznést po okolí a třeba to někoho, kdo s tím dělá zaujme a pomůže ti. Pokud to hodíš vše jako open source někam ven, určitě i v mém okolí se najde někdo, kdo by si nanečisto chtěl něco vyzkoušet. Nováčky u nás vzděláváme na udemy.com, některé kurzy nejsou tak drahé a kolem ML jich tam pár dobrých je.

Lidem kolem webexpa nestačila jedna konference, tak v březnu zase bude https://www.mlprague.com/, pokud to ještě bude v té době řešit, zajdi si tam, potkáš tam spousty fandů a vytáhneš z nich třeba nějakou pomoc :).

Jeee, skoda ze se mi to krizi s konferou :(

Ja jsem ted ve stavu ze moc nemam co davat opensource ven - pouzivam vicemene ty examplovy retrain.py a label_image.py :D Ale v ramci mezicasu at me z prace nehrabe se rad podivam hloubeji. Mam urcite v planu ty data nechat k dispozici tem co se zajimaj, nebo se chtej ucit urcovat v prirode :) A mozna i nejakou tu telefonni appku na to udelat :) Ale tak je to proste jen konicek pri kterym se clovek uci ...

Kazdopadne mrknu na ten object detection abych z tech podkladovych fotek vysekal jen co je nutne, a uvidime jak to bude fungovat.