機器學習：三張拉面圖，就能識別出每碗拉面在哪家出品

只要三張拉面圖，就能識別出每碗拉面是在41家不同拉面店中的哪家制作出來。數(shù)據(jù)科學家Kenji Doi開發(fā)了一種拉面專家AI分類器，它能辨別出不同拉面之間的細微差異。這背后，是谷歌AutoML Vision提供的ML模型。

看下面的三碗拉面。你能相信機器學習（ML）模型能以95%的準確率識別出每碗拉面是在41家拉面店中的哪家制作的么？數(shù)據(jù)科學家Kenji Doi開發(fā)了一種拉面專家AI分類器，它能辨別出不同拉面之間的細微差異。

拉面Jiro是日本最受歡迎的連鎖餐廳之一，因為它的配料、面條和湯的價格都很便宜。這個連鎖餐廳在東京有41家分店，每家店都有基本相同的菜單。

正如你在照片中所看到的，對于一個剛剛接觸拉面的人來說，幾乎不可能知道每碗面的制作材料是什么，因為它們看起來幾乎是一樣的。你不相信自己可以通過看這些照片來辨別這些面到底屬于41家餐館的哪一家。

Kenji想知道深度學習是否能幫助解決這個問題。他從網(wǎng)絡(luò)上收集了48,244張Jiro做的拉面的圖片。在刪除了不適合進行模型訓練的照片之后（比如重復照片或沒有拉面的照片），他為每個餐館準備了大約1,170張照片，也就是48000張帶有商店標簽的照片。

AutoML Vision達到了94.5%的準確率

當Kenji正在研究這個問題時，他了解到Google剛剛發(fā)布了AutoML Vision的alpha版本。

AutoML Vision允許用戶在不具備設(shè)計ML模型的專業(yè)知識的情況下使用自己的圖像定制ML模型。首先，你要做的就是上傳圖像文件進行模型訓練，并確保上傳數(shù)據(jù)具有正確的標簽。一旦完成了定制模型的訓練，您就可以輕松地將其應(yīng)用到到可擴展的服務(wù)平臺上，以便通過自動擴展擁有的資源來滿足實際需求。整個過程是為那些不具備專業(yè)ML知識的非數(shù)據(jù)科學家設(shè)計的。

AutoML Vision訓練、部署和服務(wù)自定義ML模型的過程

當Kenji獲得了AutoML Vision的alpha版本后，他試了一下。他發(fā)現(xiàn)用帶有商店標簽的拉面照片作為數(shù)據(jù)集訓練模型時，F(xiàn)值可以達到94.5%，其中精確率未94.8%，召回率為94.5%。

使用AutoML Vision（高級模式）的拉面店分類器的混淆矩陣（行=實際店鋪，欄=預(yù)測店鋪）

通過觀察上圖的混淆矩陣，您可以看到AutoML Vision在每個測試樣例中，僅僅對幾個樣本做出了錯誤的分類。

這怎么可能？每個照片使用AutoML檢測區(qū)別是什么？Kenji想知道ML模型如何能準確地識別出拉面對應(yīng)的商店。起初，他認為模型是在看碗，或桌子的顏色或形狀。但是，正如你在上面的照片中所看到的，即使每個商店在他們的照片中使用了相同的碗和桌子設(shè)計，這個模型也非常準確。Kenji的新理論是，該模型精確地能夠區(qū)分肉塊和澆頭的細微差別。他計劃繼續(xù)在AutoML上做實驗，看看他的理論是否正確。

數(shù)據(jù)科學的自動化技術(shù)

在嘗試AutoML Vision之前，Kenji花了相當多的時間來為他的拉面分類項目建立自己的ML模型。他仔細地選擇了一個通過Inception，ResNetSE-ResNeXt獲得的一個集合模型，構(gòu)建了一個數(shù)據(jù)增強設(shè)置，在超參數(shù)調(diào)優(yōu)上耗費了很長的時間，如改變學習率等，并引入他積累的知識作為一個專家知識。

但是，通過AutoML Vision，Kenji發(fā)現(xiàn)他唯一需要做的就是上傳圖片并點擊“訓練”按鈕，僅此而已。通過AutoML Vision，他不費吹灰之力就能夠訓練一個ML模型。

標記圖像集的示例。借助AutoML Vision，您只需上傳帶有標簽的圖像即可開始使用

當使用AutoML Vision訓練一個模型時，有兩種模式任你選擇：基本模式或高級模式。在基本模式下，AutoML Vision可以在18分鐘之內(nèi)完成Kenji的訓練數(shù)據(jù)。在高級模式下用了將近24個小時。在這兩種情況下，他都沒有執(zhí)行任何超參數(shù)調(diào)優(yōu)、數(shù)據(jù)擴充或嘗試不同的ML模型類型。一切都是自動化處理，不需要擁有相關(guān)的專業(yè)知識。

據(jù)Kenji說，“在基本模式下無法獲得最優(yōu)的準確性，但是可以在很短的時間內(nèi)得到一個粗略的結(jié)果。而高級模式可以在用戶不進行任何優(yōu)化或具備任何學習技能的情況下獲得最優(yōu)的精度。這樣看來，這個工具肯定會提高數(shù)據(jù)科學家的生產(chǎn)力。數(shù)據(jù)科學家們已經(jīng)為我們的客戶進行了太多的人工智能解答，因此，我們必須盡快將深度學習應(yīng)用到PoCs上。有了AutoML Vision，數(shù)據(jù)科學家就不需要為了獲得最優(yōu)的模型結(jié)果花很長時間來培訓和優(yōu)化模型獲。這意味著即使只有擁有限數(shù)量的數(shù)據(jù)科學家，企業(yè)也可以擴大他們的人工智能產(chǎn)業(yè)?！?/p>

他喜歡AutoML Vision還有因為其另外一個特點：“AutoML Vision太酷了，你可以在訓練后使用它的在線預(yù)測功能。而這項任務(wù)對于數(shù)據(jù)科學家來說通常是特別耗時的，因為必須要將模型部署到生產(chǎn)服務(wù)環(huán)境中后，再對其進行管理?！?/p>

以90%的準確率將商品進行品牌分類

AutoML Vision在另一個不同的用例中也證明了它的能力：對產(chǎn)品進行品牌分類。Mercari是日本最受歡迎的銷售APP之一，它在美國也受到越來越多人的青睞，它一直在嘗試通過閃頻的圖片自動識別其品牌。

Mercari官網(wǎng)

在日本，Mercari推出了一款名為Mercari MAISONZ的新App，用于銷售品牌商品。Mercari在這款應(yīng)用中開發(fā)了自己的ML模型，在用戶的圖片上傳界面中，該模型可以對12個主要品牌的商品進行分類。該模型使用了VGG16在TensorFlow上的遷移學習，準確率達到75%。

正如ML模型預(yù)測的那樣，用戶上傳圖片界面顯示了品牌名稱

而當Mercari在AutoML Vision的高級模式下嘗試用5000個訓練來進行訓練，它達到了91.3%的準確率。這比他們現(xiàn)有的模型高出了15%。

Mercari的AutoML Vision模型（高級模式）的準確性分數(shù)（精確度/召回率）

Mercari的AutoML Vision模型的混淆矩陣（高級模式）

對AutoML Vision的近距離觀察

Mercari的數(shù)據(jù)科學家Shuhei Fujiwara對這個結(jié)果感到非常驚訝，他說：“我無法想象谷歌是如何做到如此高精度的！”

用于大規(guī)模圖像分類和對象檢測的AutoML

高級模式里面，除了轉(zhuǎn)移學習還有什么呢？實際上，其中還包括谷歌的學習技術(shù)，特別是NASNet。

NASNet使用ML來優(yōu)化ML：元級ML模型試圖為特定的訓練數(shù)據(jù)集獲得最佳的深度學習模型。這才是高級模式的秘密，它代表了谷歌的“人工智能”哲學。這項技術(shù)可以讓用戶在不用長時間學習人工智能的情況下，充分地利用最先進的深度學習能力。

Shuhei還很喜歡這項服務(wù)的用戶界面?！八苋菀资褂?，你不需要對超參數(shù)優(yōu)化做任何的人工處理，而且在UI上的一個混淆矩陣也為用戶來帶了方便，因為它可以幫助用戶快速檢查模型的準確性。該服務(wù)還允許你將最耗時的人工標記工作交給谷歌。因此，我們正在等待公測版本取代現(xiàn)有的自動化版本，這樣就可以將其部署到生產(chǎn)環(huán)境中了。”