"16 Saatlik Zirve Hackathon" Caltech ikinci sınıf öğrencisi "köpek suratlı hesap makinesi" geliştirdi
Kaynak: LAHacks
Yazar: Wen Fei
Xin Zhiyuan Rehberi Amerika Birleşik Devletleri'nin batısındaki en büyük hackathon olan LA Hacks 2018, geçen hafta sona erdi. California Institute of Technology'de ikinci sınıf öğrencisi ve Çinli bir Amerikalı olan Eric Zhao, 36 saatlik yarışmada bir "köpek suratı hesaplayıcısı" nı tamamladı ve yalnızca 16 saat içinde şampiyonluğu kazandı. Kelime gömme ödünç alma fikri görüntü yerleştirmeyi önermektedir Bu hesap makinesi sadece evcil köpeklerin yüz benzerliğini hesaplamakla kalmaz, aynı zamanda iki farklı köpeğin "toplamını" da hesaplayabilir.
Köpekler insanlığın iyi dostlarıdır ve köpekler insan uygarlığının evrimine eşlik etmiştir. Bilim adamları, insanların kurtları ne zaman köpeklere dönüştürdüğü konusunda bir fikir birliğine varamamışlardır. Ancak köpek türlerinin çeşitliliğinin insan evcilleştirme tarihinde bir mucize olduğuna şüphe yok.
Büyük köpekler var ve küçük köpekler var.
Uzun köpekler ve kısa köpekler var.
Sevimli köpekler var, sevimli köpekler var ve sevimli köpekler var.
Cinslerin çeşitliliğine ek olarak, farklı köpek ırklarının çiftleşmesi sonucu üretilen yavrular, çeşitli görünümlerle sonuçlanır.
Bugün köpekler hayatımızın tanıdık bir parçası haline geldi.
İki köpek arasındaki benzerliği hiç düşündünüz mü? Bu Wang'ı o Wang'dan hızlı bir şekilde ayırmanın bir yolu var mı?
Örneğin, yukarıdakileri hızlıca ayırt edin
Şimdi iyi bir yolumuz var.
Cep telefonlarında da çalışabilir.
Kısa bir süre önce sona eren LAHacks 2018'de, California Institute of Technology'de ikinci sınıf öğrencisi ve Çinli bir Amerikalı olan Eric Zhao, "Köpek suratı hesaplayıcısı" yalnızca iki evcil köpeğin yüz benzerliğini hesaplamakla kalmaz, aynı zamanda "köpek toplama ve çıkarma" işlemini de gerçekleştirebilir - iki köpeğin resimlerini girin ve ne tür bir köpek topladıklarını görün. .
Bu fikir sadece ilginç değil, aynı zamanda Eric proje teklifinden son demoya kadar tüm süreci sadece 16 saat içinde tamamladı.
Hackathon'u tamamlamak ve kazanmak için yalnızca 16 saat, Baidu'nun açık kaynak makine öğrenimi çerçevesi PaddlePaddle gizli silahtır
LA Hacks (Los Angeles Hackathon), Amerika Birleşik Devletleri'nin batısındaki en büyük Hacks etkinliğidir.
Hackathon, geliştiriciler için bir karnavaldır. Bir hackathon'da, bir grup geliştirici bir uygulama yazmak için günler ila bir hafta arasında bir araya gelir.
2018 LA Hack, UCLA'da (California Üniversitesi, Los Angeles) düzenlendi ve yerel prestijli okullardan binlerce üst düzey bilgisayar korsanının ilgisini çekti. Yarışma süresi art arda 36 saattir.
Bu yılın kazananı, California Institute of Technology'de ikinci sınıf öğrencisi ve yukarıda adı verilen Çinli Amerikalı Eric Zhao tarafından önerilen "köpek suratı hesaplayıcısı" oldu. 36 saatlik yarışta Eric, yalnızca 16 saatte başarıyla zirveye ulaştı.
Bu kadar çabuk nasıl yapılır?
Erci, başarısının ana nedenini kullanılan platforma bağladı Çin'den dağıtılmış makine öğrenimi çerçevesi, PaddlePaddle, Ağustos 2016'nın sonunda Baidu tarafından tedarik edildi . "Modelleri otomatik olarak dağıtmak ve eğitmek için Nvidia-Docker ve PaddlePaddle kullanıyorum. Bu, sunucuyu kurmak yerine kodlamaya odaklanmamı sağlıyor." Eric, Xinzhiyuan ile yaptığı röportajda şunları söyledi: "PaddlePaddle'ın sezgisel Python çerçevesi, yapabilmemi sağlıyor. Yeni bir sinir ağı tasarımını gerçekleştirin. "
Sınıf arkadaşı Eric Zhao
Eric, Xinzhiyuan'a, bildiği kadarıyla Amerika Birleşik Devletleri'nde en yaygın kullanılan veya en popüler çerçevelerin Torch, Tensorflow ve Theano olduğunu söyledi (Theano güncellemeyi durdurmuş olsa da). Eric, bu rakiplerle karşılaştırıldığında, PaddlePaddle'ın avantajlarını öğrenmenin kolay olduğuna inanıyor, Kullanımı kolay.
"Diğer makine öğrenimi çerçevelerinde kullandığım hemen hemen her şey bir biçimde PaddlePaddle üzerinde sağlanıyor. Hız açısından PaddlePaddle, kullandığım en hızlı olmasa da hızlı.
"İşlevsellik açısından, PaddlePaddle oldukça standarttır, ancak ben şahsen Çerçeve tasarımı, kullandığım çoğu çerçeveden daha sezgisel. "Pek Çince anlamayan Eric, PaddlePaddle'ın Çince belgelerinin çoğunu İngilizceye çevirmek zorunda kaldı, ancak yine de hızlı bir şekilde öğrenebilir." Bence bu, PaddlePaddle tasarımının kalitesini kanıtlıyor. "Eric dedi.
"PaddlePaddle öğrenmesi kolay ve kullanımı kolaydır. Yapı basit olsa da, tutulan işlev, kullanıcıların verimliliğini büyük ölçüde artıran temel teknolojidir. PaddlePaddle'ı kullanma sürecinde bulut üzerinde bir GPU kümesi oluşturmanın en uygun yolu olduğunu buldum. Nispeten kısa bir süre içinde, karmaşık modelleri katman katman ince ayarlayıp görselleştirebiliyor ve işimi daha rekabetçi hale getirebiliyoruz. "
Eric, Baidu'nun açık kaynak makine öğrenimi çerçevesi PaddlePaddle'ın tasarımının, kullandığı çerçevelerin çoğundan daha sezgisel olduğuna inanıyor
Köpek suratı hesaplayıcı: Chihuahua + Malta =?
Eric'in kelime düğün yöntemini temel alan "Köpek Yüzü Hesaplayıcısı", benzerlik tanıma ve köpek resimleri için diğer anlamsal işlemlere izin veren bir model yerleştirerek "evcil köpeklerin yüz benzerliğini hesaplama" fikrini başarıyla gerçekleştirdi.
Köpek resimleri yerleştirme
Ericin modelinde, Köpek resmi yerleştirmeleri oluşturmak için SqueezeNet'e bir Siyam Ağı (ikiz ağ) yığdı . Bu gömmeler, iki köpek resminin ne kadar benzer olduğunu gösterir. Aynı zamanda benzer veya farklı olan köpekleri bulmak için bu düğünleri ekleyip çıkarabilirsiniz.
Bunların arasında, SqueezeNet modeli Berkeley ve Stanford'dan araştırmacılar tarafından önerildi Tasarım amacı en iyi CNN tanıma doğruluğunu elde etmek değil, temel tanıma doğruluğunu karşılarken ağ karmaşıklığını olabildiğince basitleştirmektir. İkiz ağ mimarisi, iki resmin aynı kategoriye ait olma olasılığını belirleyebilir. Sadece bu değil, Siyam ağı da az sayıda örnek öğrenmeyi başarabilir - ayrıntılar için Xinzhiyuanın önceki makalesine bakın: Derin Sinir Ağı Tek Adımlı Öğrenme: Siyam Ağının Küçük Örnek Doğru Sınıflandırması - Bu, görüntü tanıma / sınıflandırmayı belirli bir ölçüde çözer Görevde çok sayıda eğitim görüntüsü gerekiyor.
Eric, SqueezeNet'i eğitmek için Stanford'dan bir evcil köpek görüntü veri seti kullandı ve daha sonra bu önceden eğitilmiş modeli temel alarak ilk birkaç katmanı dondurdu ve son birkaç katmanı bir Siyam Ağı ile değiştirdi.
Eric Zhao, köpek yüzü hesaplayıcısının ağ mimarisini gösteriyor: SqueezeNet + Siamese network
"Çok kompakt bir SqueezeNet modeli kullandığım için, sinir ağım küçüktür ve bir cep telefonunda çalışabilir. Ek olarak, Siyam yapım, iyi geometrik özelliklerle görüntü yerleştirmeye olanak tanır ve evcil köpek görüntülerini ekleyebilir / azaltabilir." Eric dedi.
Son "köpek suratı hesaplayıcısı" iki köpeğin benzerliğini hesaplamak için kullanılabilir ve ayrıca iki köpeği toplayarak ne tür bir köpek elde edilebileceğini veya daha doğrusu hangi köpek ırkının en iyisi olduğunu hesaplayabilir. benzer.
Örneğin:
"Chihuahua 1" ile "Chihuahua 2" arasındaki mesafe 0.724 iken "Maltis 1" ile "Chihuahua 2" arasındaki mesafe 0.898'dir. İkincisi, Chihuahualar arasındaki benzerliğin daha yüksek olduğu açık olduğundan, öncekinden daha büyüktür.
İlk köpeği ve ikinci köpeği eklediğinizde ne tür bir köpek elde edersiniz? Cevap, eşittir işaretinin sağ tarafındaki köpektir, benzerlik% 96'dır. Anlaşılması kolay üçüncü köpek türü, ilk ikisinin özelliklerini birleştirir.
Diğer ilginç oyunlara ulaşmak için Eric'in köpek suratı hesaplayıcısını da kullanabilirsiniz.Github'da kod dahil olmak üzere projeyi tamamladı.
Eric dog face hesap makinesi komple proje:
github.com/ericzhao28/puppy_image_embeddings
Referans
https://arxiv.org/pdf/1602.07360.pdf
Topluluğa katıl
Xinzhiyuan AI teknolojisi + endüstri topluluğunun işe alımında, AI teknolojisi + endüstri uygulamasına ilgi duyan öğrenciler, gruba katılmak için küçük bir WeChat hesabı ekleyebilir: aiera2015_1; incelemeyi geçtikten sonra gruba katılmaya davet edeceğiz. Topluluğa katıldıktan sonra grubu değiştirdiğinizden emin olun Açıklamalar (isim-şirket-pozisyon; profesyonel grup incelemesi katıdır, lütfen anlayın).
