拉麵達人都不見得能分辨!科學家利用 Google AutoML Vision 辨別出 41 家拉麵分店的拉麵

2018.04.03 01:07PM
Ramen, Machine learning, Deep learning, Google Cloud Platform, Data science, Automated machine learning, Artificial intelligence, Data Scientist, Learning, Transfer learning, Automated machine learning, dish, food, cuisine, asian food, vegetarian food, noodle, chinese food, soup, udon, side dish

日本飲食文化當中,拉麵肯定是相當重要的平民美食,隨著時間的發展與演進,亦有許多不同的分支與獨具特色的拉麵,其中會放置大量豆芽菜、湯頭濃郁與超大份量的"二郎系"可說是相當有名的拉麵類別,雖然二郎系的拉麵有著共通的,每一家二郎系拉麵也多少會有些許的差異,即便是連鎖店也會產生差異。

而日本科學家 Kenji Doi 透過 Google 的 AutoML Vision 作為基礎開發出辨識系統,將東京 41 家連鎖的"拉麵二郎"的 48,000 張照片進行模型培訓,大概花了一天的時間進行進階自動訓練,最後讓系統分辨各家二郎拉麵分店的拉麵,而準確率居然高達 94.5% ,就連拉麵達人都不見得有這麼厲害的眼力,但卻可透過人工智慧、機器視覺辨別出各家的細微差異。

Ramen, Machine learning, , Data science, Technology, Google, Artificial intelligence, Bowl, Google Cloud Platform, Statistical classification, pattern, text, line, font, pattern, area, point, angle, symmetry, diagram, square

 

由於 AutoML Vision 是 Google 為了讓一般使用者更容易利用人工智慧的影像辨識的系統,開發者不須要有專業的機器學習技術,且只要將資料上傳培訓就可完成模型;根據 Kenji Doi 的說法,由於這是透過機器視覺技術,當然不可能是靠口味區別,但也不會是單純靠碗、桌子的特色,較可能是以每一家分店切肉、放肉的方式、配料的擺盤等等因為習慣產生的小細節作為辨識基礎。

新聞與圖片來源: Google

1 則回應