谷歌Cloud AutoML新進展：只要看一眼，就能識別41碗不同的拉面！

• 本文來自微信公眾號【AI商業(yè)報道】
  

高層速讀：近日，東京數(shù)據(jù)學家Kenji Doi利用谷歌旗下的Cloud AutoML Vision，開發(fā)出了一個可以區(qū)別不同連鎖店的拉面模型，只要給它一碗拉面，該模型就能判別出它來自哪家店，只經(jīng)過了24小時訓練，準確率可達到95%。

Google的機器學習軟件現(xiàn)在可以識別來自拉面連鎖店不同商店41碗看起來幾乎完全相同的拉面。數(shù)據(jù)科學家Kenji Doi完成了這項美味研究，使用Google的Cloud AutoML Vision對來自東京拉面連鎖店二郎拉面的每個菜單項目進行分類。

拉面模型一次識別41碗面

他從41家連鎖餐廳的每一家收集了約1170張照片，并將48,000張拉面照片的數(shù)據(jù)集提供給軟件。AutoML花費了大約24小時來完成數(shù)據(jù)的訓練，并且該模型能夠以95％的準確度預測拉面來自哪家店。

Kenji Doi首先假設該模型可能查看照片中的碗或桌子的顏色和形狀，但這是被證明是錯誤的，因為該模型甚至能夠通過相同的碗和桌子設計來識別拉面來自哪家特定的店鋪。Doi現(xiàn)在認為，該模型足夠準確，能夠區(qū)分肉塊和澆頭的位置。

這都得益于Google 今年早些時候向開發(fā)人員推出的Cloud AutoML。

Cloud AutoML 是谷歌降低企業(yè)人工智能開發(fā)成本的體現(xiàn)，它可用于開發(fā)人工智能應用，即便你不懂機器學習，也能訓練出一個定制化的機器學習模型。目前已經(jīng)可用的服務是Cloud AutoML Vision。

據(jù)谷歌官方稱，操作Cloud AutoML Vision比較簡單，開發(fā)者只需要上傳一組圖片，然后導入標簽或者通過App創(chuàng)建，隨后谷歌的系統(tǒng)就會自動生成一個定制化的機器學習模型。據(jù)說，模型會在一天之內(nèi)訓練完成。而此次的拉面識別模型，訓練時間也沒有超過24小時。

谷歌人工智能首席科學家李飛飛說：我們發(fā)布的第一個Cloud AutoML功能是Cloud AutoML Vision，這個服務能讓定制化圖像識別ML模型的創(chuàng)建更快、更輕松。它有一個拖放式的界面，讓你能輕松地上傳圖像、訓練并管理模型，然后將訓練好的模型直接部署在Google Cloud上。之前，Google展示過Cloud AutoML Vision模型在ImageNet、CIFAR等熱門數(shù)據(jù)集上的分類成績，錯誤率比通用的ML API更低。

拉面模型雖然新穎，但不是Cloud AutoML Vision的第一個產(chǎn)品。早在產(chǎn)品公開發(fā)布之前，Urban Outfitters和迪士尼等品牌已經(jīng)在使用Cloud AutoML技術(shù)來改善電子商務購物體驗，產(chǎn)品被識別出更詳細的特征，以幫助客戶準確找到他們想要的東西。

• 本文來自微信公眾號【AI商業(yè)報道】

拉面識別模型是基于谷歌Cloud AutoML開發(fā)出的，在國內(nèi)，百度的人工智能也能夠很好地識別菜品，以及花卉、寵物等。

百度AI識別滿漢全席

我們了解到了百度人工智能識別的方法，與拉面模型有相似，也有細節(jié)之處的不同。以菜品識別模型為例：

首先，基于圖片標注數(shù)據(jù)，用有監(jiān)督的學習方法，訓練出菜品的檢測模型。用幾萬張圖片訓練完，模型就能做到心中有數(shù)，看到新菜基本可以認出來，但這還遠遠不夠。

然后，利用深度神經(jīng)網(wǎng)絡算法，從海量菜品中提取特征，并根據(jù)這個特征，與庫里的菜品匹配。神經(jīng)網(wǎng)絡的算法有很多種，在圖像識別領域，應用最廣泛的叫做卷積神經(jīng)網(wǎng)絡。在卷積神經(jīng)網(wǎng)絡的幫助下，AI 在提取特征時，具備了舉一反三的「泛化」能力。

最后，百度菜品模型通過選用更合適的算法和訓練海量數(shù)據(jù)，來細度識別菜品，找出各菜品之中的細微差別。

無論是拉面模型還是百度菜品識別模型，如果能夠商用，將可以很大程度上提高工作效率，如無人化餐飲業(yè)的收銀。

• 微信內(nèi)搜索并關注公眾號[AI商業(yè)報道]，獲得人工智能領域第一手商業(yè)資訊

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。