• #maker+t=market
  • 3D列印服務
  • COSPLAY 3D 建模
  • 1
  • 2
  • 3

MakerPRO社群論壇-交流、分享、協作 造訪社團 » 用戶發文

原文網址 賴建宏
2020-03-26 16:59:38

https://www.youtube.com/watch?v=ca77nklqono

最近都在玩 # 機器視覺 的應用, 剛巧我學校 # 台北科技大學 # 電子工程研究所 有買 # nVIDIA # DGX -1 然後開帳號給我用. 玩著玩著就在群組裡面聽到有同學叫, 說剛剛查到有人拿 # 武漢肺炎 # COVID -19 # 新冠肺炎 的CT和X光影像的機器視覺去投期刊了

結果我去上網查, 發現其實之前就已經有人弄了! 我看那些文章後搞懂他的意思, 在把那訓練效果複製到nVIDIA DGX-1上執行後, 輸出的 # 模型 # model 存成固定檔案. 最後再用 # Python3 加上 # Keras 寫了一個可以根據輸入的影像求出是否感染武漢肺炎的機率

現在看來效果是有啦~! 不過還不算很好, 影片中就可以雖然分得出來機率不一樣, 不過正常的與感染者的目前差10%, 樣本應該不太夠! 要不然可以考慮在現有 # VGG16 的通用架構下進行擴充

Simon Li
2020-03-26 17:17:57

好強喔,借轉。

Jack Omnixri
2020-03-26 17:26:07

只有幾十張樣本訓練出來的很容易overfitting,訓練越久精確度越高這個問題會越嚴重,所以如何取得更多樣本或利用GAN產生訓練樣本,以增加數量及多樣性才是重點。

賴建宏
2020-03-26 17:27:12

Jack Omnixri 大大,我也這樣想,用GAN還可以減少Noise

Jack Omnixri
2020-03-26 17:28:13

不過要用GAN產生多樣本也有原始樣本不足產出不了多樣性問題產生。

賴建宏
2020-03-26 17:32:14

Jack Omnixri 大大, 要不就在目前的VGG16結構上做手腳, 像那期刊應該是自己訂訓練模型的架構的 :

https://pubs.rsna.org/doi/10.1148/radiol.2020200905...... &

不過這還是可能以偏概全, 畢竟人類對於武漢肺炎的了解不算多

Jack Omnixri
2020-03-26 17:32:58

重點不在模型 在資料集

賴建宏
2020-03-26 17:35:21

這個應該是用ResNET50那種...可是我覺得很奇怪! 那文章中說可以達到95%甚至以上的辨識率, 這只有兩種可能 :
1. 樣本(得武漢肺炎的人)一定要夠多
2. 發生過適應現象

這是哪種?

賴建宏
2020-03-26 17:43:23

Jack Omnixri 大大, 對呀! 目前的下載下來也才86張, 差很多!

Jack Omnixri
2020-03-26 17:49:30

賴建宏 我覺得過適應的機率很高

賴建宏
2020-03-26 17:53:41

Jack Omnixri 大大,我也是這麼認為,全球確診人數來講,現在為止都還只有五位數而已耶!

地球現在有幾十億人,怎樣都算少數啊!

賴建宏
2020-03-26 18:04:07

更離譜是:這期刊也沒詳載驗證統計的方法,就貼個數字上去?

洪瑛瑩
2020-03-26 18:25:13

肺炎都長的差不多 真的能有效辨識是否是covid19嗎?

賴建宏
2020-03-26 18:31:31

洪瑛瑩 大大,主要是針對影像辨認,至於那影像的內容是否正規化得好,也是影響辨識率的關鍵

賴建宏
2020-03-26 18:40:53

反之,機器學習才沒有一堆人說得那麼神啦~

邱登佑
2020-03-26 18:42:41

洪瑛瑩 武漢肺炎的點修臨床症狀有一個是毛片狀玻璃化,是一般肺炎少見的,可以作為初步的判斷,減少醫生與病患接觸的機率

洪瑛瑩
2020-03-26 19:00:11

邱登佑
雖然是以這種方式簡單分類 ,但在臨床上還是很難排除是其他疾病(流感之類的)造成的x-ray pattern

另外目前診斷重點還是在於旅遊史及接觸史,要以x-ray或CT當作初步判斷感覺不太可行,畢竟要有那麼嚴重的肺部症狀也是需要幾個天的時間 ? 所以目前還是以篩檢的方式去確診

依小妹薄弱的醫學知識,覺得實用上的效果是滿有限的 ? 不過還是對於醫療與機器學習方面的結合還是覺得很有趣~ ??

LeiShen Yueh
2020-03-26 21:54:33

跟人命扯上關係的玩藝兒,興趣玩玩就好
沒人會想要去當那個千分之一的分類失誤的

賴建宏
2020-03-26 22:23:57

看來用影像識別,是有其用途的

https://edition.cnn.com/....../covid....../index.html......

Jack Omnixri
2020-03-27 07:35:47

以去年AIGO比賽為例,童綜合醫院出了一個待解AI題目「使用類神經網絡在X光影像上偵測結節與腫塊,以及標註生產線建置」想要偵測四種類別 「3:高度懷疑有結節或腫塊 2:中度懷疑 1:低度懷疑 0:無」,都要提供提供一萬個X光影像作為train dataset(正負樣本比例約為1:1)。另會保留1000個完全與上面不同病人來源的data作為test dataset,最後只預期達到95%的sensitivity,與95%的specificity。所以可想而知,這個開源項目要能到實用階段還有一段路要走。
https://aigo.org.tw/zh-tw/competitions/details/102

賴建宏
2020-03-27 07:40:39

Jack Omnixri 大大,沒錯啊!單純用影像識別,是好玩但是說實話,死角多還不一定經濟

帕拉提斯
2020-03-27 08:45:45

LeiShen Yueh 問題是給人來分失誤機會更高…

LeiShen Yueh
2020-03-27 09:04:42

可是醫生會要病人去進行抽血檢查或是化痰檢查,然後培養病毒來確認感染源
單純的看片本來就不準,X光要很嚴重的才看得到

賴建宏
2020-03-27 15:10:01

LeiShen Yueh 大大! 對, 很多人對於機器學習、機器視覺都以為高大上, 其實那都是有一定的應用情境才可以套用的

賴建宏
2020-03-27 15:48:35

帕拉提斯 大大,對了!就是因為與病患接觸越久越危險,才會想到乾脆透過機器學習

邱登佑
2020-03-27 16:49:28

洪瑛瑩 是的,但是單單這樣就能夠分辨出7~8成的病患,有流感的病例混入,輔以病毒篩檢,這樣才能做到高準確


原文網址 賴建宏
2020-03-04 09:22:16

https://youtu.be/bEMSMA1HgZg

我們 # LASS Cheng Hsun Tseng 大大挖的坑都超大的~~

成功了! 可以在開放式農地拍攝的影片裏面, 利用 # YOLO 演算法訓練的成果, 辨認特定的農作物


原文網址 賴建宏
2020-03-01 17:40:39

這次終於把 # TurtleBot3 # SLAM 給搞懂它的意思了!

首先是第一步:透過人的遙控,讓光達掃描後建立地圖
https://drive.google.com/…/10TosWsNM3hCKQYHCWCDbSiMV1…/view…

再來就是第二步:套用建立的地圖,讓導航的時候遇上障礙還能試圖重新定位、繞過障礙
https://drive.google.com/…/10O-cOjzaPHEZ96AH_7byuDlQt…/view…


原文網址 賴建宏
2020-02-21 14:01:25

感恩 Sco Lin 大大接我他的寶貝:TurtleBot3

我是拿Banana Pi M2+當作Remote PC跑Ubuntu MATE 16.04,而TurtleBot3上面是用Raspberry Pi,不過奇怪的是

我跑遙控的都可以,可是SLAM那邊跑起來RVIZ就停住了,問題是我曾單獨跑RVIZ試過程式本身是可以單獨跑的

這要怎麼排除呢?

沈宗麟
2020-02-21 14:15:58

要開GPU加速,所以bpi m2要灌armbian而非原廠的IMG.

David Cheng
2020-02-21 14:48:52

Lidar!


原文網址 賴建宏
2020-02-05 18:51:07

原文網址 賴建宏
2019-12-16 17:34:23

還蠻好玩的~用 # LSTM 演算法來做 # 個股 的走勢預測

不過就我以前念資訊管理系所學到的...好比 # 移動平均線 # 線性回歸 # kNN # ARIMA # Prophet 也都是常用來分析與預測個股走勢的工具

這不知道究竟哪個比較準耶!有甚麼辦法可以讓 #個股 走勢預測可以逐步修正到能作 # 盤後分析 呢?

張燕南
2019-12-16 18:03:27

大戶可預測 做多做空...資金管理


原文網址 賴建宏
2019-12-07 15:33:17

# 總統盃黑客松 後,我們還是一樣來做我們 # LASS # WaterBox # 水盒子

嗯…不過,下雨天後的地,有點不好走就是了

Joseph Chang
2019-12-09 01:40:55

請問測水污染嗎?


原文網址 賴建宏
2019-12-06 09:41:37

https://drive.google.com/open…

好耶~~

# 總統盃黑客松 之後, # LASS # 水盒子 # WaterBox 又再一次上檯面!

而且這次, 還是 # 紐西蘭 # NewZealand # NPO 親自從 # 威靈頓 # Wellington 來台北哩~~

非常感謝 # 行政院 # 科技會報辦公室 # 資策會 的幫忙!!!

大家歡迎共襄盛舉20191209到20191213, 地點在 : 台北市南港路二段322號. 共五天全天都有活動, 更有我們 #LASS 的總舵主 Wuulong Hsu 哈爸大大的加持喔


原文網址 賴建宏
2019-11-14 15:26:41

https://www.youtube.com/watch?v=WeycBNAERy4

終於一償宿願~拿 # Keras 去訓練 # Fruits360 這個開放的水果影像資料集,建立出DENSE、DNN、CNN、VGG16四種模型存成H5 model files後

再轉成 # Tensorflow # pb model files,最後由 # Intel # OpenVINO # ModelOptimizer 轉換出 # xml # bin 模型檔案

接著就是標準的影像分類 # ImageClassification 的應用來套用轉換出的 #xml 與 #bin 模型檔案,攝影機拍到的就抓機率最高的前三項來顯示

實測結果...嗯,確實跟 Cheng Hsun Tseng 、 Jack Omnixri 兩位大大講的那樣:最好別奢想多準確,能玩不錯了! ?

以下是目前發現的:

A. 樣本數明顯不足!雖然共有102種水果,可是總影像數量才53000多張,平均每一種只有500多張...據我所知,通常可以商品化的應用,每個種類大多得要上萬張起跳 ?

B. 攝影機的品質好壞有很大的影響!我用的是 # Logitech # C170 這個 # Webcam ,據之前做機器視覺超多的 Jack Omnixri 大大說,跟一般商業應用的比起來,解析度跟處理效能可以說是小巫見大巫 ?

可是也因為這樣,我能用現代化的裝備跟軟體工具,實際動手實行一個機器視覺 # MachineVision 專題,還因此確定了之後要做其他應用的基本手法,是個不錯的經驗啦~ ?

Jack Omnixri
2019-11-15 03:05:52

賴桑從你的測試影片看來好像有點怪怪的,你的模型是用來作影像分類,但卻給一堆水果照片要它辨識,好像有違一張照片只分一類的原則,所以可能要找一張照片只出現一種水果來測會好些。另外你提及用了DENSE、DNN、CNN、VGG16方法測試,前三種效果可能不好說,但VGG16應該是公認不錯的模型,如果你測出來不好,那可能要再檢查一下是那個地方沒處理好。 https://2.bp.blogspot.com/....../s1600/20180630_AI_37.JPG


原文網址 賴建宏
2019-11-06 11:23:10

https://www.youtube.com/watch?v=5-KdQD2Qgy4

爽~~~!機器視覺麵包自動結帳機,成功了

感恩 Cheng Hsun Tseng 大大,我把整個系統移植重工到Windows 10 PC上就可以執行了

Selay Yang
2019-11-06 23:17:55

學長讚!


 

討論主題

全不選 常用關鍵字