标签：形状 除了 专业 噪点 无法 训练 严格 工程师 角度
https://mp.weixin.qq.com/s/4CQ2I7acjul_W6tmGcAYJQ不得不承认，日本人的脑洞发达程度应该是世界第一，几乎整个主流社会都沉浸在各种二次元、恶搞整蛊、宅基腐的奇特氛围里。
而「机器学习」这样钢铁直男般的技术，无论在发展领先的美国还是中国，都普遍首先应用在安防、金融、自动驾驶、物流这些重型领域中，是不是听起来就很霸气。
如此钢铁直男的机器学习到了日本，画风突变。
来自东京的数据科学家 Kenji Doi 使用机器学习模型和 Google 的 AutoML Vision 来对拉面进行分类。
你没听错，真的是拉面。
这项目的目的也很神奇，Kenji Doi 想要通过机器学习，确定这碗面来自日本拉面名店 Ramen Jiro 众多分店中的哪一家。截至目前为止，据说这个模型的准确度已经达到 95 %。
通过这张动图，了解一下这个模型的数据集：
Ramen Jiro 是日本最受欢迎的餐厅之一，光在东京就有 41 家分店。每家店都共用一份菜单，连盛面用的碗几乎都是一模一样。再加上日本人对于工作的细致精准和匠人精神，相信每个分店的制作工艺和水准都有着一套严格要求。
所以想通过一碗面的图片，就来分辨这属于哪家分店，真的很难。即便是常客身之厨师本人也很难做到。
但 Kenji 酱认为，深度学习能通过识别一些最微小的差别来解决这个问题。
为此，他开始逐店深入品尝。（误）
他建立了一个机器学习模型来对拉面进行分类，而且是想通过 Google 的 AutoML Vision ，试试是否能更有效地完成这项工作。
AutoML Vision 通过创建自定义的 ML 模型来识别野生动物，或者商品类型，所以理论上，它可以被用来对拉面进行分类。而且它操作简单，只要你上传标记良好的图片，点击确认即可。
在 Kenji 的案例中，他按照拉面次郎在东京的分店地址编制了一套 48,000 张碗的照片以及每家商店的标签，并将其上传到 AutoML Vision。这个模型大约跑了了 24 个小时来进行识别，并取得了令人振奋的结果：Kenji 的模型通过照片预测商店位置的准确率达到了 94.5％。
AutoML 如何检测拉面的差异，绝对不是口味，毕竟 GPU 没有舌头。
Kenji 的第一个假设是该模型通过碗和桌子的颜色或形状来识别，但是每家分店的设计都十分相似。对此，Kenji 的第二个尝试是，通过食材的数量和摆盘、肉的厚度与腌制色泽，这些差异是常人无法感知，肉眼也很难判定的。但是通过机器学习的方式，就变得简单可量化起来。
AutoML Vision 操作简单，简单到没有太多编程基础都可以使用，这也为非计算机专业的专家们的研究提供了便利，一起期待更多有趣的尝试。
其实相比于拉面，日本有更多有趣的人工智能技术，都应用在二次元文化上。
一键加猫耳
在这个小工具中，用户只需要拖拽图片到网页里，算法就会根据角色头部的倾斜角度、整体画风自动加上一个合适的兽耳。
耳朵的颜色还可以根据角色的发色变化，除了猫耳，还可以换成兔耳、犬耳、狐耳……
深度学习当然用到了图像识别这个步骤李，该项目中使用了二次元脸部识别库 AnimeFace 提供的部分参数。为了提高脸部识别的准确度，AnimeFace 积累了7 万张脸部图片和3 亿张非脸部图片训练数据，最终达到了能精确识别脸、皮肤、头发、瞳色的效果。
老婆照片放再大也不失真
这个工具 「Waifu2x」 以风趣直接的名字和实用性，在二次元工程师中小有名气。在日语发音里「Wife」读作「waifu」，2x 就是乘以两倍。
Waifu2x 是一个图片放大工具，仅针对于动漫风格的图片，能把模糊的小图像无损放大两倍，并降低噪点、柔和曲线。我们从名字中就可以感受到作者对于二次元美少女们的爱意。
Waifu2x 的算法基于卷积神经网络技术，作者学习了几万张动漫美少女图片，和几万张与原图对应、宽高缩小一倍的缩略图，让它学习从缩略图出发，如何放大以尽量还原原图。
这么有行动力和想象力，或许有那么一天，二次元真的可以拯救世界。
标签：形状 除了 专业 噪点 无法 训练 严格 工程师 角度
原文地址：https://blog.51cto.com/14929242/2536118
