أكل البضائع تميل لمواجهة مثل هذه المعضلة: في وقت متأخر من الليل لرؤية بعض الانتقام من الصور الغذائية المجتمع، بصرف النظر عن الغضب غريبة بطبيعة الحال عن مصدرها. الصور يمكن أن مجرد الاعتماد على صعوبة عموما أن نتعلم منها في نهاية المطاف هو الذي مطعم، لا شك أن مستقبل التغذية هو صعوبة كبيرة.
لكنه الآن من خلال الجهاز برنامج التعلم، وربما في وقت لاحق مجرد الاعتماد على الصور، هل حقا أن نستشف ذلك من أي مخازن.
جوجل بلوق الرسمية التي أدخلت مؤخرا على النتائج التجريبية، دوي كينجي من اليابان في مجال البحوث والتنمية NTT Comware طريق نظام مراقبة، بتقنية السحب AutoML، منطقة كانتو حوالي 41 الياباني جيرو رامين المحلات التجارية (رضي لي ن ن جيرو) من 48000 لقطة حقيقية رامين الصورة المستوردة في البرنامج، والتي تحدد كل وعاء من رامين "الأصل"، وجيرو رامين متجر شهير جدا في اليابان رامين سلسلة العلامة التجارية، لتوفير كامل المبلغ من رامين المكونات المعروفة.
وقد وصفت هذه الصور وضع جيد قبيل بيانات، وذلك بعد 24 ساعة من التدريب البيانات AutoML، كان خبز AI النهائي قادرا على تحديد دقيق جدا الصور من رامين، بلغ معدل دقة 94.5.
هذه العملية من طريقة الكشف هي أيضا مثيرة جدا للاهتمام. وفقا لHR وسائل الإعلام اليابانية غ ذكرت عمارة أن دوي كينجي الأولية بمشروع الزملاء وحي، ثم استخدم أباتشي MXNet التعلم العميق إطار التكنولوجيا لإجراء التجربة، ويتم جمع عينة من 33000 الصور من تويتر و Instagram، ثم معدل دقة وصلت 87.
كما فتح حالة خاصة من الروبوت مع حساب jirou_deep ID، هناك كثير من أعلى رامين الصور التعرف الآلي على تويتر.
والآن بعد التحول إلى تكنولوجيا سحابة AutoML، لتعزيز دقة 94.5.
في أول كينجي دوي AI أعتقد هو شكل ولون سطح المكتب السلطانية كهدف إشارة إلى تصنيف فعال في مطاعم مختلفة، ولكن من غير العملي لسلسلة المطاعم الذين، بعد الجميع مع كل نفس مجموعة من القالب، بحيث AI لا يمكن الاعتماد على "طعم" للتمييز ضد رامين.
حاليا هذه التقنية كشف الحقيقية لا تزال تدرس، ولكن على الأرجح أن تكون متباينة وفقا لحجم مطعم لحوم الخنزير والمكونات الخلافات رامين. على الرغم من الصورة، وأساليب الإنتاج جيرو رامين هي واضحة نسبيا، ولكن القول بأن الاختلافات الطفيفة في لحم الخنزير التشكل، وربما حقا آلة فقط تعلم الكشف عن ذلك.
كما قال في البداية، ولكن، لم تزد عن بعض الجغرافية الصور وسم المواد الغذائية، ويمكن الآن AI الواقع تساعد على نحو أكثر فعالية العثور على موقع المقابلة من المطاعم.
وراء هذا في نهاية المطاف الغيمة مساعدة AutoML والتعرف على الصور والتكنولوجيا، بالإضافة إلى التجربة والتكنولوجيا السحابية AutoML ديه أيضا بعض المشاريع أكثر نضجا، مثل ديزني لاند سوف، يمكنك بسهولة فئة من السلع من خلال إنشاء صورة جيدة أو نموذج تقسيم الأدوار.
في الواقع، سحابة AutoML تواجه أيضا بعض من كثير لم يفت المطورين والشركات AI التكنولوجيا الخلفية، مثل مايكروسوفت لديها خدمة مماثلة دعا التعرف على الصور رؤية مخصص، والغرض من ذلك هو أن بعض الأجر على العمل المتكرر العالي إلى الجهاز لتحقيقه.
على الرغم من أن النقطة الرئيسية للعرض، قبل التكليف العمل لا يزال يتعين القيام به يدويا، ولكن هناك متطلبات التصنيف لتصنيف الصور، خاصة بالنسبة للشركات محددة، تحتاج فقط إلى تحميل بعض الصور لا العينة، يمكنك بناء بسرعة آلة مخصصة نماذج التعلم . يتعين علي أن أقول، هذه الخدمة الأتمتة هي في الواقع فعالة جدا في تقليل التكلفة البشرية.
سؤال - المصدر: خط BLOG