Contents ...
udn網路城邦
適才適所,機器學習技術的合理使用方式
2021/09/08 04:33
瀏覽805
迴響0
推薦8
引用0

我幾乎是照三餐撰文批評機器學習派的思維是影像辨識領域的亂源!但是我必須強調這不是意識形態的僵化思維,我依舊尊重也努力學習所有對我的研究目標有用的科技,其中當然也包括機器學習的相關理論概念與技術!廣義來說,我一直都有使用這些概念技巧到我的研發軟體之中

如上的狀況,我想辨識出不太清晰的螺絲釘六角形邊界,如果你想以整張圖為資料,輸入到某個機器學習的模型,然後期待它直接將正六邊形的輪廓清楚正確的畫出來?那你就是太天真了!即使你收集且標記十萬張類似照片,讓模型學習兩三年,你也不會得到理想結果的!我罵的對象就是讓你相信這是有可能的那些AI專家

螺絲釘有很多種形狀,可以360度旋轉到任何角度,內容的文字、商標或有意義的刻痕,你老老實實像我一樣逐步建立對應的辨識程序,只要有上百張影像,幾個月的時間,就一定可以有具體的成果。但是如果你妄想一個機器學習的模型,就可以辨識出很複雜多樣的目標?你就是準備讓AI詐騙集團欺騙的肥羊了!

當我面對如上的模糊邊界問題時,我的傳統影像辨識並沒辦法直接決定很穩定精確的邊界線,此時我就會用類似機器學習的技巧了!在我已經用其他可靠的影像辨識流程鎖定某邊界的概略範圍後,我就在此範圍內建立一個「找亮暗邊界線」的模型,如圖中的綠色線段,移動它在此範圍內計算它在每個位置的上下亮度差值。

想當然耳,因為問題不難,模型也很簡單,機器學習的模型在此必然可以輕易達成任務!如果你善用二分逼近法之類的演算原則,這種搜尋鎖定的過程還可以很快!我目前的程式準確畫出六個邊的時間也才幾個毫秒而已!也確實解決了一個很困擾我的問題。

這種用嘗試錯誤在灰階圖上找邊界線段的技巧,我很多年前就已經用在我的車牌辨識軟體中了!就像武功是用人體可以達到的能力克敵制勝的學問,所以各個門派都會很自然的發展出類似的招式。其實傳統影像辨識之中本來就有數位濾波的技術,跟現在所謂的CNN根本是一樣的!上述找明暗邊界的技巧,在所謂的邊緣強化處理或偵測上,也是傳統影像辨識的既有技術!

所以當我已經很熟練的使用它們做各種影像辨識研發時,還完全不知道機器學習是甚麼東東?現在越看這些新技術就越覺得莫名其妙?因為對我來說根本沒有看到甚麼新的概念與技術?幾乎都可以一對一的找到完全一樣的對應舊方法技術?所謂的AI科技新在哪裡?實在完全不懂?

不過算了啦!機器學習這個裝舊酒的新瓶子,已經混到變成AI的主流派了嘛!就像塔利班已經掌控阿富汗了,如果我逃不出那個國家也要試著活下去吧?我能做的是讓大家知道科學就是科學,門派商標的意義不大,合理解決問題的能力與效率才是所有AI技術共同追求的目標!簡單說,科學才是超越也包含AI的概念,妄想AI可以超越科學呢?你就是退化成原始人了

我希望大家知道也相信:我的技術是實質包含機器學習的!即使現在還未採用的部分,有必要時也會毫不遲疑地採用!不然我為何要讓我的RD去讀南台科大資工所,把上課學習最新的AI技術當作是上班?薪水一毛不少照領?還不必請假或加班?你絕對可以相信我不可能「落伍」的!事實上我一直認為我在影像辨識領域是領先機器學習派的!信不信我的夜郎自大?你就自己判斷吧!

有誰推薦more
全站分類:心情隨筆 工作職場
自訂分類:不分類

限會員,要發表迴響,請先登入