背景介紹

 百度在去年11月推出了定制化圖像訓(xùn)練服務(wù)（https://ai.baidu.com/customize/app/model/）。隨著深度學(xué)習(xí)在圖像處理方面的成熟，基于CNN的遷移學(xué)習(xí)被證明是非常有效的。越來越多的傳統(tǒng)業(yè)務(wù)和互聯(lián)網(wǎng)業(yè)務(wù)，都面臨著提高效率和自動(dòng)化的業(yè)務(wù)升級(jí)需求。甚至在一些需要實(shí)時(shí)處理海量圖片的場(chǎng)合，例如電商圖片搜索等場(chǎng)景，利用圖片搜索到相似商品已經(jīng)變得和文本搜索一樣成為一個(gè)剛需了。

深度學(xué)習(xí)領(lǐng)域一直缺乏人才，傳統(tǒng)公司沒有辦法訓(xùn)練自己的深度學(xué)習(xí)模型。并且，業(yè)務(wù)主導(dǎo)的公司往往沒有辦法積累幾十萬(wàn)數(shù)據(jù)量來訓(xùn)練一個(gè)深度學(xué)習(xí)的模型。頭部的AI公司往往在人才儲(chǔ)備和數(shù)據(jù)上有著無可比擬的優(yōu)勢(shì)。因此，科技巨頭往往形成了一個(gè)數(shù)據(jù)和人才的壟斷地位。

今年初，Google推出了AutoML服務(wù)，它的目標(biāo)是：無需機(jī)器學(xué)習(xí)專業(yè)知識(shí)和能力即可訓(xùn)練高質(zhì)量的定制化模型。自此，科技巨頭紛紛走入了壯士斷腕的陣列，犧牲自己的模型盈利空間，為非AI專業(yè)人士拋出服務(wù)工具幫助他們生成屬于自己業(yè)務(wù)場(chǎng)景的模型。不過，如今Google的AutoML服務(wù)仍然是Alpha模式，網(wǎng)上也沒有看到任何文檔說明。

這次百度推出了基于小樣本的圖像訓(xùn)練服務(wù)，而且把數(shù)據(jù)、建模、測(cè)試、部署、上線等一系列過程集合在了網(wǎng)站上。用戶只需要點(diǎn)點(diǎn)鼠標(biāo)即可得到屬于自己的模型，而且是免費(fèi)的，可謂非常的良心。

訓(xùn)練流程

 訓(xùn)練自己的模型其實(shí)非常容易，簡(jiǎn)單地說，只要四步即可得到數(shù)據(jù)自己的模型。

1. 創(chuàng)建模型：登錄百度賬號(hào)后提交基礎(chǔ)信息，點(diǎn)擊“創(chuàng)建模型”，填寫模型名稱和使用場(chǎng)景，即可開始創(chuàng)建模型。

2. 上傳數(shù)據(jù)集：按照格式要求整理圖片，上傳訓(xùn)練圖片壓縮包，完成訓(xùn)練集準(zhǔn)備。

3. 訓(xùn)練模型：選擇數(shù)據(jù)集中的訓(xùn)練數(shù)據(jù)，進(jìn)行訓(xùn)練，支持對(duì)同一模型多次迭代。

4.校驗(yàn)?zāi)Ｐ停河?xùn)練完成后可進(jìn)行效果校驗(yàn)，提交校驗(yàn)圖片，校驗(yàn)?zāi)Ｐ蜏?zhǔn)確度。

5. 模型上線： “訓(xùn)練完成”的模型即可申請(qǐng)模型上線，預(yù)計(jì)當(dāng)天即可完成上線，上線后在“我的模型”查看“上線詳情”，獲得專有的定制圖像識(shí)別API，同時(shí)參考API文檔（http://ai.baidu.com/docs#/ImageClassify-API/564753d3）即可正常使用。 

6. 擴(kuò)展訓(xùn)練：后續(xù)如有識(shí)別類型擴(kuò)展的需求，可以進(jìn)入“數(shù)據(jù)集管理”，繼續(xù)上傳新的壓縮包，或者基于單個(gè)分類標(biāo)簽進(jìn)行擴(kuò)充。

訓(xùn)練結(jié)果

 所有模型的截圖

Caltech 101

地址：http://www.vision.caltech.edu/Image_Datasets/Caltech101/

101種物品識(shí)別。準(zhǔn)確率95.18%，F(xiàn)1-score 0.93?？傮w準(zhǔn)確度是可以接受的，我這里打開了具體結(jié)果查看了一下每個(gè)類別的準(zhǔn)確度：

木桶：精確度100.00% F1-score 1.00

螞蟻：精確度88.89% F1-score 0.89

錨：精確度81.82% F1-score 0.72

可以發(fā)現(xiàn)，模型的generalization能力還是不夠。對(duì)于簡(jiǎn)單的、一致性比較高的物體識(shí)別率達(dá)到了100%。而對(duì)于復(fù)雜的螞蟻外形，可以看到準(zhǔn)確度只有89%。對(duì)于復(fù)雜外形的錨，而且還經(jīng)常有遮擋和伴隨物等情況下，模型能力進(jìn)一步得到挑戰(zhàn)，準(zhǔn)確度下降到了82%。這個(gè)網(wǎng)絡(luò)也顯示了復(fù)雜度不夠的一些特點(diǎn)。也許用更加深一點(diǎn)的網(wǎng)絡(luò)效果會(huì)更好。值得注意的是，F(xiàn)1下降到了0.72，說明recall的分?jǐn)?shù)已經(jīng)到了更加低的位置。也就是說，如果應(yīng)用是遺漏損失比準(zhǔn)確識(shí)別的收益高的場(chǎng)景，這個(gè)模型會(huì)造成比較大的損失。

Flowers(5 classes with 4242 images):

數(shù)據(jù)：https://www.kaggle.com/alxmamaev/flowers-recognition/data準(zhǔn)確率91.89% F1-score 0.92

可以看到，復(fù)雜圖像，特別是數(shù)量不是單一的情況下，準(zhǔn)確度下降的比較厲害。不過如果用人作為基準(zhǔn)比較的話，還在非常可以接受的程度。

Food(20 classes x 1000 images):

數(shù)據(jù)：https://www.vision.ee.ethz.ch/datasets_extra/food-101/

準(zhǔn)確率82.18% F1-score 0.82

這個(gè)數(shù)據(jù)集很有名氣，也很有挑戰(zhàn)性。因?yàn)槭澄锊幌窕菢佑泄潭ǖ臉邮?，形狀和材質(zhì)都有很大的變化，而且還伴隨著配料、位置等不確定因素。對(duì)機(jī)器來說，難度可謂非常大。業(yè)界最好的結(jié)果，用到了ResNet或其他非常深的網(wǎng)絡(luò)，在101分類和每類1000個(gè)樣本的情況下達(dá)到了90%以上的準(zhǔn)確度。

最后是所有模型的截圖

總結(jié)

 可見，百度的圖像訓(xùn)練服務(wù)，在一些場(chǎng)景下效果非常不錯(cuò)，而在一些場(chǎng)景下顯得力不從心。不過，這已經(jīng)是從零到一的飛躍，讓非AI人士也可以體會(huì)一把自己訓(xùn)練模型的快感。并且真正的可以用來服務(wù)于自己的業(yè)務(wù)。真心為這些AI浪尖的兄弟們舉個(gè)大寫的贊。

建議

1. 給出訓(xùn)練過程的一些細(xì)節(jié)，例如數(shù)據(jù)上傳、訓(xùn)練模型的進(jìn)度，精確顯示可以減少等待的煩躁。
2. 允許多個(gè)模型同時(shí)訓(xùn)練，這樣客戶可以加快尋找到最優(yōu)的訓(xùn)練數(shù)據(jù)集的過程。
3. 提供熱力圖（Heatmap），方便用戶對(duì)不同類之間結(jié)果進(jìn)行觀察和理解。
4. 可以給出網(wǎng)絡(luò)架構(gòu)的選項(xiàng)，不同的模型架構(gòu)在的數(shù)據(jù)集上的表現(xiàn)也會(huì)不一樣。
5. 給出一些技術(shù)文檔，增加透明度。例如學(xué)習(xí)速度、Train和Validation set的比例、提前終止的條件、Optimizer的選擇等。甚至讓一些超參可以手動(dòng)調(diào)節(jié)，也許民間高手可以提供更優(yōu)的參數(shù)集。