[Detaillierte Erläuterung Der Hervorragenden Projekte Von DeeCamp] Von Grund Auf Zur Implementierung Der KI-Technologie in Nur Drei Wochen

Beim DeeCamp 2019 von Sinovation Ventures erkundeten 600 Auszubildende mehrere Wochen lang unter Anleitung des Unternehmensteams verschiedene Projekte in mehreren Bereichen und reichten schließlich 50 KI-Demos ein, die von einer Fachjury ausgezeichnet wurden. Aus diesen Projekten haben wir die vier interessantesten ausgewählt.

Schlüsselwörter:DeeCamp 2019 Projektschaufenster Talentförderung

600 Studenten aus verschiedenen Schulen im ganzen Land absolvierten die Kursschulung „Akademie + Industrie“ und implementierten KI schnell von der Konzeption bis zur Produktentwicklung.

Einige dieser Studenten hatten vor Beginn des Camps noch nie an einer Schulung im Produktionsumfeld teilgenommen. Nach nur einer Woche Studium und drei Wochen Praxisunterricht reichten alle endlich zufriedenstellende Zeugnisse ein.

Wang Yonggang, CTO von Innovation Works, kommentierte, dass die Leistungen der Auszubildenden, wenn wir nur Technologie und Produkte betrachten, Folgendes umfassen:Fast 20%  der Projekte erfüllten die Investitionskriterien.

Preis für die beste Technologie: Hardcore-Lösung für das Problem der Landklassifizierung

Während der Abschlusszeremonie des Camps war die 26. Gruppe zur Landklassifizierung auf der Grundlage von Bildsegmentierung die erste, die während der Präsentationssitzung der Projektergebnisse eine Demonstration gab. Vor dem Hintergrund großartiger Musik stellten sie einige grundlegende Informationen zur Landklassifizierung vor und demonstrierten ihre Erkundung.

Die Landklassifizierung ist die grundlegendste Aufgabe bei der Bestätigung von Landrechten. Eine genaue Segmentierung und Klassifizierung sind notwendige Aufgaben, doch bei herkömmlichen Methoden ist eine große Zahl von Experten erforderlich, um Fernerkundungsbilder zu interpretieren, was einen hohen Personal- und Zeitaufwand erfordert.

Vor diesem Hintergrund führte das Team Landklassifizierung von Satellitenfernerkundungsbildern basierend auf BildsegmentierungDas Projekt wurde von OpenBayes unterstützt, das technische Anleitung, Rechenleistung und Datensatzunterstützung bereitstellte.

Sie verwendeten hochauflösendeFernerkundungsbilder,verwendenSemantische SegmentierungDie Methode wird verwendet, um das Bild zu vervollständigenLand und Wasserder Segmentierung.

In der Praxis basiert Deeplab V3+  Die Netzwerkstruktur wird mit verschiedenen Optimierungsstrategien entworfen und durch die Verwendung eines Modells mit gemischter Genauigkeit beschleunigt. Schließlich wird die Segmentierung von Ackerland und Gewässern erreicht. 94.2%  Und 98.5%  Genauigkeit.

Erwähnenswert ist, dass sie mit ihrem Modell auch einen Hauptpreis bei einem öffentlichen Wettbewerb gewonnen haben. Im Bereich „Change Detection“ des Wettbewerbs „Remote Sensing Image Counting Representation and Intelligent Analysis“Erster Platz in der VorrundeErgebnisse.

Darüber hinaus ist dieses Projekt sehr skalierbar und kann auf feinere Klassifizierungen wie Seen, Flüsse, Reisfelder, trockenes Land, Wohngebiete, Wälder usw. angewendet und zur Segmentierung und Erkennung von Fernerkundungsbildern auf andere Provinzen und Städte in meinem Land übertragen werden.

Sie blickten auch in die Zukunft des Projekts, beispielsweise in die Kombination von Drohnen- und Satelliten-Fernerkundungsdaten zur Verwendung bei der Prävention und Bewältigung von Naturkatastrophen.

Das Projekt erhielt schließlich DeeCamps „Preis für die beste Technologie“.

Preis für die beste Anwendung: Miniprogramm zur körperlichen Untersuchung von Haushunden

Da immer mehr Menschen Haustiere halten, ist die sorgfältige Pflege der Haustiere zu einem schwierigen Problem geworden, mit dem sich viele Menschen auseinandersetzen müssen. Die Studierenden der Gruppe 24 nutzten KI, um diesen Aspekt zu untersuchen.

Sie haben eine KI-App entwickelt, dieBilderkennung,Durch die Beurteilung des Gesundheitszustands eines Haustiers können Besitzer rechtzeitig den Zustand ihres Haustiers erkennen und ihm so schnell wie möglich ein angemessenes Leben ermöglichen.

Die App ist außerdem sehr einfach zu bedienen. Machen Sie einfach ein Foto von dem Hund und er wird erkannt.Die Rasse des Hundes, ob er erwachsen ist, seine Größe und ob er gesund istUnd andere Situationen.

Darüber hinaus kann es auch entsprechende Fütterungsvorschläge geben und den Besitzer daran erinnern: Ist es Zeit, den Hund zu entwurmen? Schließlich können wir diese Informationen integrieren, geeignetes Hundefutter empfehlen und es mit der E-Commerce-Plattform verknüpfen, um einen kommerziellen Mehrwert zu erzielen.

Als die Teammitglieder das Projekt in Angriff nahmen, waren sie nach eigener Aussage mit dem Problem der „drei Neins“ konfrontiert: Es gab keine Literatur, keine Daten und keine Standards. Viele Teammitglieder waren eine Zeit lang frustriert, aber nach schwierigen Versuchen und Erkundungen gelang es ihnen schließlich, mithilfe von 4 neuronalen Netzwerken Rasse, Alter, Körperform und andere Aspekte zu identifizieren.

Die Hauptschwierigkeiten wurden in die Bereiche Körpererkennung, Rassenidentifizierung, Altersklassifizierung und Körpergrößenmessung des Hundes unterteilt. Dank ihrer Bemühungen konnten sie technische Schwierigkeiten lösen, beispielsweise die Schwierigkeit, Etiketten mit Körpergrößen zu erhalten, unterschiedliche Fettleibigkeitsstandards für verschiedene Hunde und die Schwierigkeit, Fotos mehrerer Hunde zu identifizieren.

Dieser Vorschlag kam vom Konsumgütergiganten Mars. Bei der Abschlussveranstaltung wurde die Projektpräsentation von der Mars Group gewürdigt, die sogar noch vor Ort mehreren Studierenden Praktikumseinladungen aussprach. Das Projekt erhielt DeeCamps „Preis für die beste Bewerbung“.

Best Spirit Award: Sorgen Sie dafür, dass Meningiome kein Versteck mehr haben

KI-basierte Gesundheitsfürsorge war schon immer ein wichtiger Trend in der Marktentwicklung und auch die DeeCamp-Studenten haben diese Herausforderung angenommen. Das Forschungsprojekt zum Meningiom der 27. Gruppe gewann den DeeCamp Auszeichnung für den besten Spiritund erhielt die Auszeichnung persönlich von Wang Yonggang.

Die Forschungsthemen dieser Gruppe sind „Segmentierung von Hirntumorregionen basierend auf Bildsegmentierung“.

Das Meningeom ist der häufigste Primärtumor des zentralen Nervensystems. Laut medizinischer Statistik machen Meningeome etwa ein Drittel aller Tumoren des zentralen Nervensystems aus. Bei den Patienten treten als erste Symptome häufig Kopfschmerzen und Epilepsie auf, außerdem können kognitive und motorische Störungen unterschiedlichen Schweregrades auftreten.

Aufgrund der langen Krankheitsdauer ist es bei Meningeomen jedoch schwierig, sie im Frühstadium zu erkennen. Das Entdecken und Markieren von Läsionen in der Magnetresonanztomographie ist eine medizinische Routinemethode, die manuelle Identifizierung erfordert jedoch ein hohes Maß an Erfahrung von den Ärzten und es besteht eine hohe Wahrscheinlichkeit von Auslassungen.

27 Gruppen nutzen künstliche Intelligenztechnologie, um Diagnosen zu stellen, was den Druck auf Ärzte bei der Diagnose undHilft bei der Segmentierung und Identifizierung von Läsionen.

Das Team entwickelte zwei Arten von Modellen, 2D und 3D, um speziell die nicht-sequentiellen Daten und die sequentiellen Daten zu modellieren, die aus aktuellen medizinischen Bildscans gewonnen werden. Die beiden Modelle übernehmen die modernste DeepLab V3+  Modell und DMFNet  Modell.

Das Modell verfügt über eine starke Generalisierungsfähigkeit, kann glattere Kanten erkennen und falsche Bereiche im Etikett korrigieren. Die 3D-Segmentierung ermöglicht zudem eine dreidimensionale Visualisierung des Tumors und bildet die strukturelle Konnektivität zwischen der Hirnregion mit größeren Tumoren und anderen Hirnregionen ab, um den Schweregrad des Hirntumors zu charakterisieren.

Um die Skalierbarkeit des Modells zu erhöhen und es auch auf die Erkennung anderer Arten von Hirntumoren anzuwenden, nutzte das Team außerdem CycleGAN , das unbeschriftete Zieldomänenbild (Gliom)StilübertragungFür das Quelldomänenbild (Meningeom) mit Segmentierungsbeschriftungen wird das trainierte Quelldomänen-Meningeom-Segmentierungsnetzwerk verwendet, um die Gliomsegmentierungserkennungsaufgabe direkt auszuführen und so eine unbeaufsichtigte Erkennung und Segmentierung von Gliomen zu realisieren.

Die coolste Technologie: Generieren Sie alle Arten von Ausdrücken mit einem Klick

Wenn wir derzeit eine Bestandsaufnahme der universellsten Dinge machen würden, wären es definitiv Emojis. Emojis in verschiedenen Stilen sind für die Menschen von heute zu einem grundlegenden sozialen Ausdruck geworden. Die meisten Emoticons werden jedoch passiv gesammelt und gespeichert. DeeCamp-Studenten haben versucht, Emoticons mit ihren eigenen Eigenschaften zu erstellen.

45 Studentengruppen nutzten KI-Technologie, um „AI Expression King: Erstellen echter Ausdruckspakete“Das ist ein interessantes Thema.

Ähnlich wie die beliebteste Gesichtsveränderungstechnologie verwenden sieStilübertragung und GAN  Das Trainingsmodell kann die Gesichter in echten Bildern mit einer einfachen Ein-Klick-Operation durch unterschiedliche Ausdrücke und Stile ersetzen.

Machen Sie einfach ein Foto mit dem Miniprogramm und kombinieren Sie Porträts aus dem echten Leben mit verschiedenen Ausdrücken, um eine Vielzahl interessanter Ausdrücke zu erstellen. Das Team wird auch kombinieren BigGAN  Und andere Technologien, die Hunderte von GPUs verwenden, um den Algorithmus zur Gesichtsveränderung zu verbessern und so die Präzision der generierten Bilder zu erhöhen.

Während der Live-Demonstration konnte es Ausdrücke wie Glück, Traurigkeit und Überraschung erzeugen und auch die Comic-Stile von Hayao Miyazaki, Makoto Shinkai und anderen umsetzen. Die spielerischste Aktion war jedoch, als die Studenten mithilfe von Professor Kai-Fu Lee eine Reihe von Emoticons erstellten, was ihnen Applaus vom Publikum einbrachte.

DeeCamp macht das Unmögliche möglich

Es ist erstaunlich, mit welchem Elan die Studierenden des DeeCamps in nur wenigen Wochen eine Idee in ein konkretes Projekt umsetzen konnten.

Der Grund dafür ist, dass sie einerseitsVoller Begeisterung für das Lernen.Bei der Podiumsdiskussion der Konferenz erzählte Zhang Fanen, CTO von Innovation IQ, eine interessante Geschichte. Nach einer seiner Vorlesungen wurde er von seinen Kommilitonen verfolgt und stellte ihm viele Fragen. Einige verfolgten ihn sogar bis zu seinem Wohnort.

Der Studentenvertreter sagte in seiner Rede auch:DeeCamp hat viele unmögliche Dinge erlebt. So absolvierten beispielsweise auch Studierende ohne ausreichende Programmiererfahrung einen halbtägigen Crashkurs in Pytorch.

Andererseits ist das von DeeCamp entwickelte Trainingsmodell auch ein wirksames Instrument zur Förderung der Entwicklung der Studierenden. Durch die Kombination der Ressourcen aus Wissenschaft und Wirtschaft und die Verwendung eines explorativen Ansatzes zur Vervollständigung des Lernens und der Ausbildung sind sie in der Lage, die Schwierigkeiten zu bewältigen, mit denen sie in der Realität unter Bedingungen reichlich vorhandener Ressourcen konfrontiert werden.

Wie DeeCamp behauptet,Lösen Sie reale Probleme,Dies ist der unvermeidliche Weg für die Entwicklung der KI und der grundlegende Grund, warum KI den industriellen Wandel vorantreiben kann.

Genau wie Kaifu sagte:„Ich glaube immer an eines: Sie werden vergessen, was Sie hören, Sie werden sich erinnern, was Sie sehen, und Sie werden verstehen, was Sie getan haben.“