【DeeCampの優良プロジェクトを詳しく解説】ゼロからAI技術の導入までわずか3週間
Sinovation Ventures が開催した DeeCamp 2019 イベントでは、600 人の学生が企業チームの指導の下、数週間をかけて複数の分野のさまざまなプロジェクトの探索を完了し、最終的に 50 個の AI デモを提出し、専門審査員によって認められました。これらのプロジェクトの中で、最も興味深い 4 つのプロジェクトを選択しました。
キーワード:DeeCamp 2019 プロジェクト展示 人材育成
全国のさまざまな学校から集まった 600 人の学生が「学術 + 産業」コースのトレーニングを修了し、コンセプトの誕生から製品のプロトタイピングまで迅速に AI を導入しました。
これらの学生の中にも、キャンプが始まるまで実稼働環境での学習を経験していなかった学生もおり、わずか 1 週間の学習授業と 3 週間の実践授業を経て、最終的に全員が満足のいく成績証明書を提出しました。
Sinovation Ventures CTO の Wang Yonggang 氏は、技術と製品だけを考慮すると、研修生が達成した成果には次のようなものがあるとコメントしました。ほぼ20% プロジェクトは投資基準を満たしています。
最優秀テクノロジー賞: 土地分類の困難な問題に対する根本的な解決策
キャンプ閉会式の結果発表では、画像セグメンテーションに基づく土地分類 26 グループのうちの最初のグループがデモンストレーションされました。彼らは壮大な音楽をバックグラウンドに、土地分類に関するいくつかの基本情報を紹介し、探検の実演を行いました。
土地の権利を確認するための最も基本的な作業である土地区分は、正確な区分と分類を実現するために必要な作業ですが、従来の方法では、リモートセンシング画像の読影に多くの労力と時間が必要でした。
このような背景のもと、同グループは、 「画像分割に基づく衛星リモートセンシング画像の領域分類」このプロジェクトに対して、OpenBayes は技術指導だけでなく、コンピューティング能力とデータセットのサポートも提供します。
彼らは高解像度に依存していますリモートセンシング画像、使用セマンティックセグメンテーション画像を完成させる方法土地と水部門の。
実際の実践では、これに基づいて、 ディープラボ V3+ ネットワーク構造に対してさまざまな最適化戦略が設計され、混合精度モデルがネットワーク構造の高速化に使用されました。最後に、耕作地と水域をセグメント化するタスクで、それぞれの成果を達成しました。 94.2% そして 98.5% 正確さ。
彼らが作ったモデルが公募でグランプリを受賞したことは注目に値します。リモートセンシング画像の詳細表現とインテリジェント解析コンペティションの変化検出トラックにおいて、予選1位結果。
さらに、このプロジェクトは拡張性が高く、湖、河川、水田、乾燥地、住宅地、森林などのより細かい分類にさらに適用でき、国内の他の州や都市に移行することもできます。リモートセンシング画像のセグメンテーションと検出に関する国。
彼らはまた、自然災害の予防と治療に使用できるドローンと衛星のリモートセンシングデータを組み合わせるなど、プロジェクトの将来性についても検討しました。
このプロジェクトは最終的に DeeCamp の賞を受賞しました。 「ベストテクノロジー賞」を受賞。
最優秀応募賞：愛犬健康診断ミニプログラム
ペットを飼う人の増加に伴い、ペットの世話をどうするかは多くの人が直面する問題となっています。 24 の学生グループは AI を使用してこの側面を調査しました。
彼らは AI アプレットを構築しました画像認識、飼い主がペットの状態をタイムリーに把握し、できるだけ早くペットと無理のない生活を送れるように、ペットの健康診断を実施しましょう。
ミニプログラムの使い方も非常に簡単で、犬をなでるだけで認識されます。犬種、成犬かどうか、体調、健康かどうか等
さらに、犬の飼い主に次のことを思い出させるために、関連する餌の提案を行うこともできます。「犬の駆虫の時期ですか?」最後に、この情報を統合して適切なドッグフードを推奨したり、電子商取引プラットフォームにリンクしたりして、商業的価値を実現できます。
チームメンバーの紹介によると、最初にこのテーマが与えられたとき、チームメンバーは文献がない、データがない、基準がないという「3 つの何もない」問題に直面し、しばらくは多くのメンバーが不満を感じていましたが、その後、困難な試みと探索を経て、最終的に 4 つのニューラル ネットワークを使用して、品種、年齢、体型などの側面の識別を実現しました。
主な問題は、犬の体の検出、品種の識別、年齢の分類、体の大きさの測定に分類され、彼らの努力により、体型ラベルの取得の難しさ、犬ごとに異なる肥満基準、および体重の測定などの技術的な問題が解決されました。複数の犬の写真を識別するのが難しい。
この提案は、日進月歩の消費財大手マース（MARS）からのもので、閉会式ではプロジェクトのプレゼンテーションがマースグループからも認められ、その場で数人の学生にインターンシップの招待状も送られました。このプロジェクトは DeeCamp から支援を受けました 「ベストアプリケーション賞」。
ベストスピリット賞: 髄膜腫を隠す場所をなくしましょう
AI 医療は常に市場開発における大きなトレンドであり、DeeCamp の学生もこの挑戦を受け入れました。 27 のグループによって実施された髄膜腫の研究が、今年の DeeCamp の栄誉を獲得しました。 「ベストスピリット賞」、王永剛氏より個人的に賞を授与されました。
このグループの研究テーマは 「画像セグメンテーションに基づく脳腫瘍領域分割」。
髄膜腫は中枢神経系の最も一般的な原発腫瘍です。医学統計によれば、髄膜腫は中枢神経系腫瘍の約 3 分の 1 を占めます。患者は、最初の症状として頭痛やてんかんを呈することが多く、また、さまざまな程度の認知障害や運動障害を経験することもあります。
しかし、髄膜腫は経過が長いため、初期段階で発見するのは困難です。磁気共鳴画像で病変を見つけてラベルを付けることは、医学では日常的な方法ですが、手動による識別には医師の高度な経験が必要であり、見落としが発生する可能性が高くなります。
27 のグループが人工知能技術を使用して診断を行っており、医師の診断プレッシャーを効果的に軽減できるだけでなく、より高い精度も達成できます。病変の分割と識別を支援します。
研究チームは、現在の医療画像スキャンから得られた非連続データと連続データのそれぞれを対象としたモデリングを実行するために、2D と 3D の 2 種類のモデルを設計しました。どちらのモデルも最先端の技術を使用しています ディープラボ V3+ モデルと DMFネット モデル。
このモデルは強力な汎化能力を備えており、より滑らかなエッジを識別し、ラベル内の誤った領域を修正できます。 3D セグメンテーションは、腫瘍の 3 次元視覚化も提供し、より大きな腫瘍のある脳領域と他の脳領域の間の構造的接続をマッピングして、脳腫瘍の重症度を特徴付けます。
モデルのスケーラビリティを高め、他の種類の脳腫瘍の検出タスクにさらに適用するために、チームはまた、 サイクルガン 、ラベルのないターゲット ドメイン イメージ (神経膠腫) を変換します。スタイル転送セグメンテーション ラベルが付いたソース ドメイン画像 (髄膜腫) に対して、トレーニング済みのソース ドメイン髄膜腫セグメンテーション ネットワークを使用して神経膠腫のセグメンテーションと検出タスクを直接実行し、それによって教師なしの神経膠腫の検出とセグメンテーションを実現します。
最もクールなテクノロジー: ワンクリックでさまざまな表現を生成
現時点で最も普遍的なものを挙げるとすれば、それは間違いなく絵文字でしょう。さまざまなスタイルの絵文字は、現代人の基本的な社会言語になっています。しかし、絵文字は主に受動的な収集と保存から来ており、DeeCamp の学生は独自の特徴を持つ絵文字を生成する方法を試してきました。
45 グループの学生が AI テクノロジーを使用して完成させました 「AI表現の帝王：リアルパーソン表現パックの制作」この興味深い主題。
最も人気のある顔を変えるテクノロジーと同様に、彼らはスタイル転送と GAN トレーニングモデルは、ワンクリックの簡単な操作で実際の写真の顔をさまざまな表情に置き換えることができ、さまざまなスタイルを装備することもできます。
ミニプログラムを使って写真を撮るだけで、現実のアバターとさまざまな表情を組み合わせることで、さまざまな面白い表現を生み出すことができます。チームも合流します BigGAN などのテクノロジを使用して、数百の GPU を使用して顔交換アルゴリズムを改善し、生成される画像の精度を向上させます。
現場展示では、喜び、悲しみ、驚きなどの表情を生成することができ、宮崎駿や新海誠のコミックスタイルも実現できます。しかし、最もいたずらな操作は、生徒たちが教師 Kaifu Li を使って一連の表現を作成したときで、聴衆から拍手が起こりました。
DeeCamp は不可能を可能にします
わずか数週間でアイデアを具体的なプロジェクトに変えるという DeeCamp の学生たちの精神は驚くべきものです。
その理由は、一方では、とても勉強熱心です。カンファレンスのラウンドテーブルセッションで、Innovation Qizhi CTO の Zhang Faen 氏は、講義の後、クラスメートに追いかけられ、多くの質問を受け、自宅まで追いかけてくる人もいたという興味深い話をしてくれました。
生徒代表もスピーチで次のように述べました。DeeCamp では、プログラミングの経験がほとんどない学生でも Pytorch を半日で完成させるなど、多くの不可能を目の当たりにしてきました。
一方で、DeeCamp が作成したトレーニングモデルは、生徒の成長を促す強力な魔法の武器でもあります。学界とビジネスのリソースを組み合わせることで、学習とトレーニングが探索的に完了し、十分なリソースを使って実際に直面する困難に挑戦することができます。
DeeCamp が主張するように、現実世界の問題を解決し、これが AI 発展の唯一の方法であり、AI が産業変革を促進できる根本的な理由です。
海部先生はこうおっしゃいました。「私はいつもこの格言を信じています。聞いたことは忘れ、見たことは覚えており、実際に行動して初めて理解できるのです。」
