By Andreu Masdeu i Raül Pérez

Des de fa uns mesos, a l’equip de Sant Cugat de BaseTIS ens hem iniciat en el món del Machine Learning, concretament, en el projecte d’eReuse, una plataforma que té l’objectiu d’allargar la vida dels productes electrònics, gràcies a la seva reparació i reutilització.

 

Juntament, amb l’ajuda dels nostres companys, hem anat formant-nos en problemes de classificació d’imatges a partir de diverses competicions Kaggle, una plataforma on podem trobar diversos challenges en Big Data, Machine Learning etc. Un bon exemple és la competició Dog Breed Identification, on es parteix d’imatges de diversos gossos (sabent la seva raça) amb l’objectiu de desenvolupar un model que et classifiqui noves imatges (t’indicarà quina raça de gos és la nova imatge).
 


 

 

El projecte eReuse

BaseTIS col·labora amb eReuse en la classificació estètica dels seus aparells electrònics. Primerament, estem treballant amb ordinadors de sobretaula.

Així, eReuse ens proporciona els ordinadors classificats en l’àmbit estètic (si té una esquerda, baixarà la seva valoració), amb els quals s’entrenarà un nou model, per tal que, donat un nou ordinador, s’automatitzi la seva catalogació.
 

Deep Learning

 

Els models que fem servir estan basats en tècniques de Deep Learning, una branca del Machine Learning que alhora és una branca del que entenem per Intel·ligència Artificial (IA). Un altre concepte associat amb Deep Learning és el de xarxes neuronals, ja que són models que es poden interpretar com capes d’unitats neuronals que reben, processen i envien informació. La idea és trobar quines són les millors neurones que donades una imatge, un text, o unes variables qualssevol puguin predir amb encert allò que volem que donin com a resposta.

 

Quan som petits el nostre cervell aprèn moltíssims conceptes. Per exemple, què és una poma i com és una poma. Necessitem veure exemples de pomes per saber què són. I exemples variats. Si només haguéssim tingut accés a pomes verdes, quan ens n’ensenyessin una de vermella no sabríem que també ho és.

A grans trets, podem dir que els models de Deep Learning funcionen igual, a partir de processar exemples són capaços d’extreure els patrons que defineixen què és què. Però amb una petita diferència: necessiten veure moltíssimes més pomes, fotografies de gossos o les dades que siguin per aconseguir resultats decents i poder generalitzar sobre nous exemples.

Tot això es coneix com el procés d’entrenament, i a causa de la quantitat de dades necessàries (que pot arribar en alguns casos a milions d’imatges) pot ser molt costós en temps. Nosaltres vam participar en el challenge Dog Breed Identification i vam desenvolupar un model funcional que prediu amb gran encert races de gossos.
 

Presentació de l’app de mòbil

A causa  d’un endarreriment en l’obtenció de les imatges dels ordinadors d’eReuse, vam plantejar-nos un nou sprint amb l’objectiu de desenvolupar una app on, indiferentment del model, l’estructura de l’aplicació per a eReuse estigués feta. Així que només intercanviant el model, s’obté una aplicació de mòbil per classificar diversos tipus d’imatges (aplicable, doncs, al projecte d’eReuse).

Aquest post és per presentar, doncs, l’app que tots heu estat esperant! Una aplicació que donada una fotografia (pots fer-la amb la càmera o agafar-la de la galeria) et diu a quina raça de gos pertany!!! A més a més, en cas d’error, et presenta el segon i tercer candidats.  

Per fer-ho possible, hem utilitzat alguns serveis AWS, principalment, AWS Lambda, conegut com a serverless compute. Us deixem aquí uns screenshots de l’aplicació (encara no està disponible per descarregar):

Quina utilitat se li va donar a la seva presentació?

 

En la presentació de l’sprint, però, tothom va descobrir què passa si a un model, com el nostre, entrenat per classificar races de gossos, li donés una imatge d’una persona. Doncs, com podeu veure, només sap de gossos, així que interpretarà que ets un gos i et dirà a quina raça de gos “t’assembles” més.
 

 

 

 

 

Terrier de Yorkshire

Pembroke

Malamut

St. Bernard

Imatge de capçalera de Pexels
deep learning,eReuse,Experiences,machine learning,Medalla Blogger,Open,