成人无码视频,亚洲精品久久久久av无码,午夜精品久久久久久毛片,亚洲 中文字幕 日韩 无码

資訊專欄INFORMATION COLUMN

不用編程實(shí)現(xiàn)定制圖像識(shí)別系列之一:美女與野獸

CompileYouth / 3176人閱讀

摘要:今天筆者就介紹一個(gè)不用編程就能訓(xùn)練出深度學(xué)習(xí)定制模型的方法。答案是,是本人開(kāi)發(fā)的,自認(rèn)為做得比百度好,關(guān)鍵是從入庫(kù)到訓(xùn)練,識(shí)別,完全不用編程。。。

近年來(lái)基于深度學(xué)習(xí)的人工智能非?;?。提起人工智能都覺(jué)得是高大上,好像離普通人很遠(yuǎn),更別說(shuō)訓(xùn)練出定制模型了。唔,不知道什么是模型,為什么要定制?好吧,你可以想象模型就是一個(gè)人, 剛開(kāi)始啥也不懂,使用教材(或者說(shuō)樣本)教他,他就能學(xué)會(huì)識(shí)別不同的物體。使用不同的教材(樣本)就能教出不同的人。 至于為什么要定制,兩個(gè)原因:

專業(yè)領(lǐng)域需要更為細(xì)致的分類。 比如,通用物體樣本訓(xùn)練出來(lái)的模型,可能能識(shí)別數(shù)千種常見(jiàn)物品,它能區(qū)分出蘋(píng)果和梨, 但是不太可能區(qū)分出好蘋(píng)果和壞蘋(píng)果。

深度學(xué)習(xí)模型非常敏感,背景,顏色,光線,角度,模糊程度的輕微變化就可能導(dǎo)致識(shí)別率下降或者失效。能識(shí)別數(shù)千種物體的通用模型,往往在專用物體識(shí)別上不太好用。

今天筆者就介紹一個(gè)不用編程就能訓(xùn)練出深度學(xué)習(xí)定制模型的方法。 為了吸引眼球,今天我們就訓(xùn)練一個(gè)能區(qū)分美女和野獸的模型來(lái)。
訓(xùn)練之前,我們首先需要收集對(duì)應(yīng)的樣本。 美女圖片好收集,百度或者google上點(diǎn)擊圖片, 輸入關(guān)鍵詞"美女",大把:

然后點(diǎn)擊瀏覽器的文件->另存為, 就可以存下整個(gè)HTML,包括圖片(在子目錄里面)。
比較麻煩的是野獸的圖片,輸入關(guān)鍵詞"野獸"通常搜出來(lái)的是"beauty and beast"劇照或者卡通形象。 沒(méi)辦法,我們折中下, 分別搜"老虎""獅子""豹""狼"和"野生動(dòng)物"這5個(gè)關(guān)鍵詞,搜出來(lái)的圖片都作為野獸一類,拿來(lái)進(jìn)行訓(xùn)練。
最終我們存的目錄結(jié)構(gòu)如下:

通常我們每一類的圖片在200張左右最合適。我們這里僅僅是一個(gè)demo,美女類大概下載了60張,野獸類大概200張。
好了, 我們的圖片已經(jīng)收集完畢, 這時(shí)我們需要?jiǎng)h除子目錄下所有非jpg文件,便于后面選擇并上傳圖片。

下面我們就可以上傳圖片,并啟動(dòng)模型訓(xùn)練了。 瀏覽器中打開(kāi)http://www.ai1to1.com 點(diǎn)擊登錄。沒(méi)賬戶的請(qǐng)先注冊(cè)一個(gè)賬戶。 等等,可能有人問(wèn),這是個(gè)什么鬼網(wǎng)站? 為什么不用百度AI?他們也有定制模型訓(xùn)練。 答案是,ai1to1是本人開(kāi)發(fā)的,:)自認(rèn)為做得比百度好,關(guān)鍵是從入庫(kù)到訓(xùn)練,識(shí)別,完全不用編程。。。具體去網(wǎng)站首頁(yè)看吧。 有人說(shuō),大言不慚! 看到這里,希望管理員大人不要認(rèn)為這是廣告而刪除本文,因?yàn)橥驴?,確實(shí)有干貨的。 :)

言歸正傳,我們登錄ai1to1,首先需要?jiǎng)?chuàng)建項(xiàng)目:

這里最關(guān)鍵的是需要"創(chuàng)建分類",建立2個(gè)類別,因?yàn)槲覀冎挥忻琅鸵矮F兩類。 分類分別就是0,和1。
然后我們進(jìn)入圖片管理上傳圖片, 需要選擇項(xiàng)目和類別分別上傳:

大部分人可能都知道,選擇文件時(shí), CTRL+A就可以選擇所有目錄下的文件,或者鼠標(biāo)選擇時(shí)按住CTRL鍵,就可以多帶帶選擇文件。
這里我們上傳美女圖片到分類0, 其他圖片上傳到分類1。請(qǐng)記住這個(gè)對(duì)應(yīng)關(guān)系,因?yàn)楹竺孀R(shí)別時(shí),服務(wù)器只會(huì)返回索引0或者1。

上傳完畢,我們就可以啟動(dòng)訓(xùn)練了:

首先啟動(dòng)trainServer(點(diǎn)擊對(duì)應(yīng)"前往"),得到響應(yīng):{"ret":"OK","error":""}
然后啟動(dòng)train,得到響應(yīng):{"ret":"OK"}
檢查訓(xùn)練進(jìn)度:
{"stopped":false,"loss":0.07083519548177719,"trainSeconds":36.359,"error":"","ret":"OK"}
等待loss穩(wěn)定在0.001以下時(shí),我們就可以停止訓(xùn)練(點(diǎn)擊停止trainServer):
{"stopped":false,"loss":0.0008496259688399732,"trainSeconds":655.577,"error":"","ret":"OK"}
一共訓(xùn)練了大概10分鐘。

好吧, 我們訓(xùn)練完成了, 現(xiàn)在進(jìn)行最激動(dòng)人心的檢測(cè)階段。
首先"啟動(dòng)detectServer",得到響應(yīng):{"ret":"OK","error":""}
然后"通過(guò)web頁(yè)面識(shí)別",輸入上個(gè)截圖里面的projectid和servicekey:

這時(shí)我們從百度圖片里面搜一張前面沒(méi)有的美女圖片, 然后上傳,點(diǎn)擊識(shí)別,得到響應(yīng):
time cost:882ms, result:{"balance":1998,"topList":[{"index":0,"probability":0.924784779548645},{"index":1,"probability":0.07402833551168442}],"error":""}
記得我們前面說(shuō)過(guò),0代表美女,1代表野獸。 這里的美女識(shí)別可能性高達(dá)92%, 說(shuō)明這個(gè)定制模型還是相當(dāng)不錯(cuò)的。 :)

我保留了截圖里的projectid:17和servicekey:1bc6c6bb-f19a-4d97-b810-70c5d53eb524,大家也可以上傳一張美女或者野獸的圖片, 測(cè)試下這個(gè)定制模型是否好用? 當(dāng)然, 你們也可以自己注冊(cè)一個(gè)帳號(hào),定制自己的模型,而且是免費(fèi)的!

有人說(shuō),如果我上傳一張男人的圖片,會(huì)怎么樣? 唔,我也不知道, 因?yàn)橹挥袃深?,圖片一定會(huì)識(shí)別成其中一類,具體識(shí)別成美女或者野獸,估計(jì)要看顏值。哈哈哈。。。

文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址:http://m.hztianpu.com/yun/94385.html

相關(guān)文章

  • 0編碼構(gòu)建AI模型

    摘要:編碼構(gòu)建模型近年來(lái)人工智能在語(yǔ)音識(shí)別自然語(yǔ)言處理計(jì)算機(jī)視覺(jué)等諸多領(lǐng)域取得了巨大成功,但人工智能要規(guī)?;逃萌匀淮嬖谝恍﹩?wèn)題和挑戰(zhàn)。 0編碼構(gòu)建AI模型 近年來(lái)人工智能在語(yǔ)音識(shí)別、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等諸多領(lǐng)域取得了巨大成功,但人工智能要規(guī)?;逃萌匀淮嬖谝恍﹩?wèn)題和挑戰(zhàn)。例如面包店要自動(dòng)識(shí)別面包種類及數(shù)量實(shí)現(xiàn)無(wú)人結(jié)算,如調(diào)用通用圖像識(shí)別服務(wù),雖然易用,但識(shí)別準(zhǔn)確率低,無(wú)法準(zhǔn)確區(qū)分面包...

    MycLambert 評(píng)論0 收藏0
  • 克服了這些磨難,深度學(xué)習(xí)更加優(yōu)秀

    摘要:然而,盡管訓(xùn)練技術(shù)有了進(jìn)步,深度學(xué)習(xí)的規(guī)模還是存在問(wèn)題。這種更具擴(kuò)展性的深度網(wǎng)絡(luò)使百度得以實(shí)施一種端對(duì)端的語(yǔ)音識(shí)別系統(tǒng),它被稱之為。研究人員試圖用分布式處理來(lái)構(gòu)建更廣泛的深度學(xué)習(xí)網(wǎng)絡(luò),以便能處理更大的數(shù)據(jù)集。 隨著理論和硬件的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)已經(jīng)成為了在線服務(wù)(比如微軟的必應(yīng))的核心部件,推動(dòng)著它們圖像搜索和語(yǔ)音識(shí)別系統(tǒng)的發(fā)展。這些公司仰賴于這項(xiàng)技術(shù)來(lái)驅(qū)動(dòng)未來(lái)更先進(jìn)的服務(wù),所以他們擴(kuò)大了神...

    CNZPH 評(píng)論0 收藏0
  • 首次公開(kāi),整理12年積累的博客收藏夾,零距離展示《收藏夾吃灰》系列博客

    摘要:時(shí)間永遠(yuǎn)都過(guò)得那么快,一晃從年注冊(cè),到現(xiàn)在已經(jīng)過(guò)去了年那些被我藏在收藏夾吃灰的文章,已經(jīng)太多了,是時(shí)候把他們整理一下了。那是因?yàn)槭詹貖A太亂,橡皮擦給設(shè)置私密了,不收拾不好看呀。 ...

    Harriet666 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

CompileYouth

|高級(jí)講師

TA的文章

閱讀更多
最新活動(dòng)
閱讀需要支付1元查看
<