Facebook加入
LINE加入
2021/12/25
乾貨
觀點
案例
資訊
我們
★之前我進行過一個簡單的機器學習實驗，來判斷圖像是否為墨西哥卷餅。
使用相同的基於雲的認知機器學習技術 Custom Vision，我想處理一個更複雜的場景。
用機器學習演算法能否判斷貓的品種？
PS：文末有驚喜
★訓練數據集
按照慣例，我需要為機器學習演算法輸入一些圖像，讓其了解要學習的內容。
首先，我找到了貓的品種列表，包括圖像和名稱信息，然後以此為基礎在網上找圖片。
然後，我在 Flickr 上分別搜索每個貓的品種，並使用 Chrome 的擴展插件從第一頁開始下載圖像。
在找圖片時，之所以使用Flickr而不是谷歌圖片，是為了用 Chrome 擴展插件下載高解析度的圖像。
Flickr上的蘇格蘭折耳貓
我花了一個小時左右下載了圖片，然後對圖片進行處理。刪除了當中不是貓的圖片，避免影響訓練集。
然後，我刪除了同一個場景中相同貓的圖像。這是為了避免對演算法進行過度訓練，從而避免它尋找精確匹配的圖像，而不側重預測。
記住，機器學習的目的是為了讓演算法識別以前未見過的新信息，而不是尋找精確的匹配。
最後，我確保每個品種至少收集5張圖像，因為這是在 Custom Vision 上創建的標籤所需的圖像數量。
但是，有些常見的貓品種有超過20張圖像，而一些不常見的品種只有6張左右的可用圖像。
每個品種有不同數量的訓練圖像
這可能會導致識別結果產生偏差，但至少我們意識到演算法中的潛在偏差。
最後，我收集了超過900張貓的圖像，包含50個不同品種。
完成數據收集后，我將所有圖像上傳到 Custom Vision，並將每張圖像標記為相應品種。
之後，只需點擊一個按鈕來訓練演算法，它就可以在幾秒鐘內進行貓的品種預測。
測試數據集
有趣的部分開始了，讓我們先來看看演算法的性能。
性能還不錯
基於900張圖像和50個品種標籤，演算法的性能還不錯。
這比我預想的要好，鑒於它不僅僅是識別該圖像是否為貓。
對於沒有受過訓練的人來說，判斷貓品種間的細微差異也是很困難的。
以半信半疑的態度，我打算用之前從未見過的圖像對演算法進行測試。
首先是 Sola，我家耳朵並沒有折起來的蘇格蘭折耳貓。
首先，在已知我家貓是純種蘇格蘭折耳的前提下，我用演算法對它進行了測試。
Sola為蘇格蘭折耳的幾率為53.9%
測試我家貓很有意思，因為訓練集中的所有蘇格蘭折耳貓圖像中，貓都是折耳的。
我並不覺得這有什麼影響，接著測試了幾張 Sola 的照片。
突然間，我的貓被判定為很可能是威爾士貓。
接著我檢查了訓練集中所有標有威爾士貓的圖像，竟然發現一隻看起來和 Sola 完全一樣的貓的圖像。
儘管每個貓的品種均有其獨特的外觀，但兩隻完成不同品種的貓也可能在面部形態上很相似。
也許有更多不同的威爾士貓圖像可以避免這樣的問題。
測試成功的例子
讓我們看看一些不同品種的測試成功例子。
96.9%為暹羅貓
99.8%為阿比西尼亞貓
99.9%為薩凡納貓
預測失敗的例子
之前暹羅貓演算法測試的效果很出色，讓我們再來看看。
首先，測試從背面拍攝的暹羅貓圖像會怎麼樣？
不可能是暹羅貓
老實說，這並不令人驚訝。
所有訓練圖像集的暹羅貓都是面朝相機，而不是看向旁邊的。
再來一張暹羅貓臉部特寫會怎麼樣？
11.1% 為暹羅貓
這個結果似乎與以前我家 Sola 臉部特寫的測試結果類似。
或許不僅僅通過貓的臉部來判斷時，該演算法的效果會更好。
老實說，如果暹羅貓訓練集有相似圖像的情況下，結果可能會比11.1％要好。
下面，讓我們測試一些不是貓的圖像。
狗、兔、豚鼠
你可能已經注意到，上面每個結果都有「貓」的標籤。
使用 Custom Vision，你至少需要兩個標籤來標記每個圖像。
讓我們來測試一下其他毛茸茸的動物圖像。
這貨絕對不是喵星人
有可能是貓
測試出來是貓
測試出來是貓
測試出來是貓
不可能是貓
顯然，如果看起來足夠相似，該演算法很難區分什麼是貓，什麼不是貓。
經過訓練的演算法很可能是基於顏色，圖案和整體形狀來進行模糊匹配。
結論
給定粗略的訓練集，經過訓練的演算法在特定的條件下能夠很好的判斷貓的品種。
然而，對於沒有訓練過的項目，該演算法表現的不太好，例如如何區分貓和非貓的動物。
所以在投入時間訓練任何機器演算法之前，對其能夠處理的範圍進行明確的定義是明智之舉。
原文鏈接：
你會感興趣的內容：
【品質乾貨】
如何從零設計結構清晰、操作友好的許可權管理模塊
Jmeter簡單介紹與搭配Jenkins實現自動化測試實踐
【答疑】
項目經理除了催進度還能做什麼？
【反爬蟲】
常見的反爬蟲和應對方法
【姿勢】
我是不是忘了什麼？哦，對了，驚喜！
我們是誰？
豈安科技！
我們在做什麼？
線上行為分析解決方案專家！讓互聯網更安全！
怎麼找到我們？
熱門推薦
留言回覆
