[请益] 机器学习能有什么玩法?

楼主: nfs258147 (258)   2017-10-08 19:02:03
大家好
Google这几天发表了开源的machine learning程式码。玩了一下觉得不得了,这实在太有
趣了。
在人人有手机的时代,结合AR与机器学习的元素后、手游能有什么新的玩法?
小弟目前还不知道它可以用在什么地方,纯粹只是感到兴奋而已XD
小弟花两分钟的动手玩影片:
https://youtu.be/aNENxOLd94Y
===
以下是这次机器学习的故事背景:
借由学习大量的照片,它可以识别出不同照片中的物体。
例如,拿着手机在摄影机前晃一晃、让它拍下几百张照片;然后再拿手表做一样的事。然
后,它马上就可以即时判断画面中的物体是手表还是手机了。即使物体角度、大小、光线
变化、只要样本数够多它都能判断出来。
以上这些神奇的科技不用任何软件费用,只要一台有摄影机的普通笔电、以及会按鼠标的
人即可(还不用懂程式),真是太神奇了。
顺带一提,我只花五分钟就从完全没有基础、到完成训练了,这真的是个好工具。
新闻出处:
https://www.cool3c.com/article/129697/amp
体验网址(桌电需搭配chrome):
https://teachablemachine.withgoogle.com/
作者: sakyer (石理克)   2017-10-08 19:38:00
喔喔喔 这个好
作者: art1 (人,原来不是人)   2017-10-08 21:36:00
我想要让电脑帮我识别的东西比较复杂,感觉这应该达不到需求
作者: LayerZ (無法如願)   2017-10-09 02:59:00
这东西可以训练完后拿去喂大数据阿
作者: dklassic (DK)   2017-10-09 11:24:00
其实逃离房间那类实境游戏应该会最好用 XD可以刻意训练成能辨识很特定的东西做出不同反应
作者: Schottky (顺风相送)   2017-10-09 19:28:00
跟训练的数量没有绝对关系,有可能再多也完全不会收敛
作者: MBRSL (MBRSL)   2017-10-09 23:33:00
PVP游戏的中~低等级的AI
作者: silverair (木栅福山雅治)   2017-10-10 01:53:00
拿来做恐怖游戏不错阿,在电脑前闪躲、闭眼时把jumpscare延迟,等你表情放松的时候再突然吓你
作者: LayerZ (無法如願)   2017-10-10 06:34:00
我现在幻想的是,任何人上传照片都能靠分析直接判断出位置不需要红外线镜头测准度等物理手段当然前提是背景有拍到地标,而判断来源是google拥有的地球图库big data(街景车,fb ig等社群当然射影机能即时运算更好,配合ar kit chip去达到全新的射群体验社...(一个字毁了一串文
作者: cjcat2266 (CJ Cat)   2017-10-10 07:39:00
楼楼上的让我想到机车的P.T. (被下架的沉默之丘teaser)探头往厕所里面看好久都没事,要转身离去的时后才跳出来吓人
作者: art1 (人,原来不是人)   2017-10-10 08:15:00
想让电脑辨识的东西是题库,从选择题的题库中得到题目+选项若题库有附正确答案则也要辨识出来正规表达式能处理的只有文字,遇到数学题库、化学题库就没辄选择题对电脑来说难度应该是最小的,其他还有填充题、问答题,配对题
作者: ddavid (谎言接线生)   2017-10-11 01:04:00
上面那个判断地点的其实有点误判大数据的资料量跟目标了如果目标是“详细地点”,则分母太大了,即便Google街景车累积拍了很多照片,但对于单一小地点的照片量就远少且变化不足(例如,就不会每隔一小时、每个月的照片都有)这样你表面上看起来像是Big data,其实对于太细的目标来说完全没有发挥出Big data的效果举一个相对比较发挥Big data的用法,就是你拍张街景,让它自动猜出你在哪一个国家这个目标的分母就小得多了,而且对每个目标所拥有的资讯也丰富且多样又带有一定的重复性跟特征,Big data的影响力能发挥得更好一点至于判断详细地点这件事,我必须说那是一件靠Big data意义不大的事情,即便你做出来了,但现在每台手机直接就拥有的能力为什么需要另外一个更麻烦、更不准确且Cost可能还更高的机制来做呢?上面举的判断国家也不是一个很好的应用例子,只是用来说明后端处理时它比较有发挥Big data感觉一些而已
作者: JackysNose (毫无回应 就只是个鼻子)   2017-10-11 17:38:00
还蛮有趣的w
作者: ddavid (谎言接线生)   2017-10-11 23:52:00
话说,这个如何XD:https://goo.gl/92rm3r
作者: LayerZ (無法如願)   2017-10-12 13:45:00
那如果是 big data中已经被分类过的哩比如说利用所有tag #101的照片 自动建出101模型当然不可能拿全世界的地图去跑单一地点就像机器人在玩3d建模拼图一样只是拼图可能不完整或是乱七八糟的东西tag 101也能自动踢掉当然,这样就能够详细从照片反推出很精准的坐标然后我觉得google glass还是太早..等隐形眼镜的萤幕成熟吧目前能够实用化是手机隐形眼镜萤幕也不太对,更远了,但是google glass能搞定成像时黑幕(其实有点像变色镜片?) 跟眼球追踪(eyes touch会比较有实用性吧..
作者: ddavid (谎言接线生)   2017-10-14 02:47:00
世界感知分析甚至自动从2D建3D模的话,问题会在于你在training阶段要先有正确答案,否则你连Model怎么training都不知道所有#101的照片,内容并不一定只有101。虽然101已经算是相对明显的建筑物,所以搭配其他技术切割及比对是可能自动独立出来,不过这也是101的独特性才比较有机会不过其实我上面回那一大段主要针对Google Map的资料,如果是图片网站 + Tag的话,事情有点不一样XD有Tag当然就可以想办法把Tag做为Class拿来玩分类,不瞒你说我现在的研究其实就是跟这种Multi-label classification重度相关的东西呢,只是做比较底层所以不限也没针对图片处理、针对其实及时从画面中分离锁定某种东西,这种技术早就存在了,就是人脸锁定。因为只要是人脸,有很多共通特征几乎不会改变,所以可以细心调整出一个Model,然后所有人的手机所有人的脸都可以用了但是只要做以下的类比就知道辨识环境中所有事物的麻烦在哪:你现在是要为环境中所有你想到要分离出来的东西都各建一个Model来判断,光是每一个类别之中同类事物的差别就可能天差地远,不同类别的东西却又可能搞不好长得很像,然后最糟糕的是类别的数量可能很多,你每次分析环境都要一口气跑过每一个Model以把所有东西都辨识出来如果上面这件事可以做得很准确又很有效率很即时,相比之下要从那些资讯拿来查Google Map做定位应该反而简单很多XD事实上Tag最糟糕的一个问题就是很容易不完整,不可能把一张照片中所有存在的要素都标出来,然后基本上分类算法如果没有特别处理就会把没标当真的没有,然后就会错误一堆
作者: art1 (人,原来不是人)   2017-10-15 04:49:00
前阵子看到一份简报档,里面提到用深度学习辨识影片中场景,、物件、事件,还标上Tags,听说 Youtube 也有引进这技术?所以可以做到用关键字搜寻影片的场景、物件之类的还有标上出现时的影片时间点说引进不太正确,而是自行开发的同类功能
作者: GALINE (天真可爱CQD)   2017-10-16 13:35:00
https://cloud.google.com/vision/G社有拿图片自动Tagging服务卖钱

Links booklink

Contact Us: admin [ a t ] ucptt.com