AI工程師超強專題作品分享_2019台北班第一期

TibaMe接獲政府重大任務,加速培養更多AI工程師,以3個月的時間,必須讓30位學員擁有AI技術知識涵養以及專題實作的能力! 最後,邀請眾多企業主管參加成果發表會,並現場進行一對一面試,讓學員結訓即可進入職場貢獻AI專長!

這次的學員都很優秀,企業也都表示專題成果相當完整,比以往看過的學員都實力堅強許多,以下摘要分享5個專題的內容,分享給對AI技術有興趣的朋友,更清楚了解AI技術可做到哪些發展與應用.

AI專題一 : 『植物辨識專家』

這一組的專題主要目的是希望可以協助一般大眾辨識一般植物,降低踏入生態領域的門檻,亦希望可以把常見混淆的植物品種,透過AI提高辨識效率。

專題範圍與產出

那要怎麼讓AI辨認植物呢?資料的收集非常重要,團隊參與現地植物辨識課程 90 小時+人工植物辨識考試 4 次,並且制定植物辨識 SOP,造訪了267 個地點,包含公園、學校、人行道及河濱步道,看過30,000+ 棵樹、50,000+ 片葉,耗盡1,000+ man-hour去拍攝所有植物的照片!

當然他們也遇到了很多問題,像是…相片資料量不夠怎麼辦? 樹型與葉型的設定不盡相同、樹木種類的照片數量有差異,例如台灣就超多榕樹,可收集到295張照片,但苦楝才56張照片…差異了兩百多張!最後以權重調正作為解決辦法!

此外,資料的品質也是一個很大的問題,在真實的照片資料中,很難在公園裡只拍到單獨一顆樹,有時候照片同時會出現兩顆以上的樹,這時候就要導入分類辨識及進行AI物件偵測手法!

除了online Solution LineBot版本,也推出offline的 Android APP版本,所有專案資源皆以創用CC開放授權,更酷的是在Kaggle上發表Data Set辦一個競賽,讓AI同好們可以將自己Train好的Model上傳,大家來PK。

AI專題二: 『貓狗風格P圖神器』

第二組鎖定台灣熱愛貓狗的群眾,設計了一個可以讓貓狗品種或風格轉換的趣味遊戲App,他們也做了雲端的部署,在GCP架設REST API並設計Line ChatBot 沈浸式體驗設計,是一份蠻完整的作品。

在AI技術面,這一組使用知名模型CNN權重抽取特徵作遷移學習,達成是貓還是狗的動物辨識功能。再運用CNN提取高低階特徵並作混合,達成風格轉換的遷移學習。最酷的是利用非監督條件式生成網路,做到圖像翻譯,將貓和狗的特徵作轉換。

AI專題三: 『翹課終結者』

為了解決人工簽到點名耗時費力等諸多問題,這一組挑戰在無需GPU環境、無需大量樣本照片,只利用人臉特徵值比對去實作人臉辨識的點名系統。用到OpenCV影像函式庫、D-Lib影像處理函式庫和Face recognition辨識模型。

這種系統最常受到的挑戰是作弊,所以需要特別處理防偽(避免拿朋友照片幫他打卡),學生的解法是利用雙鏡頭抓人臉立體感與方向性角度,非常的傑出!讓班導們很想直接將這個系統架在TibaMe的報到桌!

AI專題四: 『AI客服語音輔助系統』

這一組針對金融業AI應用場景,開發了AI語意辨識系統,使用爬蟲抓信用卡的問答集,建立語意分析模型,使用CVAT情感語料庫及PTT評論,建立一個情感分析模型,並使用沒有額度限制的Baidu語音轉文字API訓練語音模型,使用科技大擂台+自錄音檔,放到Google TPU去訓練了36小時 (花了$8,000),迭代後的準確度提升到90.42%。

另外,他們還使用BERT模型為基底去建立情緒分析模型,藉以判斷出使用者會不會難搞及爆走,決定要不要轉介給高EQ客服人員,非常的有趣。

AI專題五: 『第三隻眼』

這一組「第三隻眼」的專案動機來自於台灣社會家庭結構變化,家中都是老年人與幼兒,民生竊盜以侵入民宅發生機率最高,占總數一半以上,因此「第三隻眼」可以運用在家庭防盜竊及警察臨檢警政系統等情境的AIoT邊緣智慧監視系統。

選用兼具辨識能力與效率的128維Face Recognition模型對人臉做特徵擷取及辨識,並將系統部署到一張只要$99的NVIDIA Jetson Nano開發版上,結合雲端資料庫做人臉比對,再搭配LineBot做訊息確認,成本低廉又有效。

以上五組學員的成果報告,雖然未能完整呈現所有簡報內容,但都可清楚看見學員不斷從錯誤中學習,遇到障礙並設法解決,才得以得到漂亮的專題成果!成為一個AI工程師,就是要和機器一起不斷的學習!

你也想要成為AI工程師嗎? 你也想要擁有自己的AI專題嗎? 歡迎洽詢,符合資格最高政府可補助100%

[台北]AI技術應用工程師班 @ 台北商業大學台北校區/善導寺捷運站

[桃園]AI技術應用工程師班 @ 台北商業大學桃園校區/近66快速道路

發表留言

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料