谷歌Cloud AutoML新进展：只要看一眼，就能识别41碗不同的拉面！

• 本文来自微信公众号【AI商业报道】
  

高层速读：近日，东京数据学家Kenji Doi利用谷歌旗下的Cloud AutoML Vision，开发出了一个可以区别不同连锁店的拉面模型，只要给它一碗拉面，该模型就能判别出它来自哪家店，只经过了24小时训练，准确率可达到95%。

Google的机器学习软件现在可以识别来自拉面连锁店不同商店41碗看起来几乎完全相同的拉面。数据科学家Kenji Doi完成了这项美味研究，使用Google的Cloud AutoML Vision对来自东京拉面连锁店二郎拉面的每个菜单项目进行分类。

拉面模型一次识别41碗面

他从41家连锁餐厅的每一家收集了约1170张照片，并将48,000张拉面照片的数据集提供给软件。AutoML花费了大约24小时来完成数据的训练，并且该模型能够以95％的准确度预测拉面来自哪家店。

Kenji Doi首先假设该模型可能查看照片中的碗或桌子的颜色和形状，但这是被证明是错误的，因为该模型甚至能够通过相同的碗和桌子设计来识别拉面来自哪家特定的店铺。Doi现在认为，该模型足够准确，能够区分肉块和浇头的位置。

这都得益于Google 今年早些时候向开发人员推出的Cloud AutoML。

Cloud AutoML 是谷歌降低企业人工智能开发成本的体现，它可用于开发人工智能应用，即便你不懂机器学习，也能训练出一个定制化的机器学习模型。目前已经可用的服务是Cloud AutoML Vision。

据谷歌官方称，操作Cloud AutoML Vision比较简单，开发者只需要上传一组图片，然后导入标签或者通过App创建，随后谷歌的系统就会自动生成一个定制化的机器学习模型。据说，模型会在一天之内训练完成。而此次的拉面识别模型，训练时间也没有超过24小时。

谷歌人工智能首席科学家李飞飞说：我们发布的第一个Cloud AutoML功能是Cloud AutoML Vision，这个服务能让定制化图像识别ML模型的创建更快、更轻松。它有一个拖放式的界面，让你能轻松地上传图像、训练并管理模型，然后将训练好的模型直接部署在Google Cloud上。之前，Google展示过Cloud AutoML Vision模型在ImageNet、CIFAR等热门数据集上的分类成绩，错误率比通用的ML API更低。

拉面模型虽然新颖，但不是Cloud AutoML Vision的第一个产品。早在产品公开发布之前，Urban Outfitters和迪士尼等品牌已经在使用Cloud AutoML技术来改善电子商务购物体验，产品被识别出更详细的特征，以帮助客户准确找到他们想要的东西。

• 本文来自微信公众号【AI商业报道】

拉面识别模型是基于谷歌Cloud AutoML开发出的，在国内，百度的人工智能也能够很好地识别菜品，以及花卉、宠物等。

百度AI识别满汉全席

我们了解到了百度人工智能识别的方法，与拉面模型有相似，也有细节之处的不同。以菜品识别模型为例：

首先，基于图片标注数据，用有监督的学习方法，训练出菜品的检测模型。用几万张图片训练完，模型就能做到心中有数，看到新菜基本可以认出来，但这还远远不够。

然后，利用 神经网络算法，从海量菜品中提取特征，并根据这个特征，与库里的菜品匹配。神经网络的算法有很多种，在图像识别领域，应用最广泛的叫做卷积神经网络。在卷积神经网络的帮助下，AI 在提取特征时，具备了举一反三的「泛化」能力。

最后，百度菜品模型通过选用更合适的算法和训练海量数据，来细度识别菜品，找出各菜品之中的细微差别。

无论是拉面模型还是百度菜品识别模型，如果能够商用，将可以很大程度上提高工作效率，如无人化餐饮业的收银。

• 微信内搜索并关注公众号[AI商业报道]，获得人工智能领域第一手商业资讯

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。