Workshop : AI for Arts — ฝีกเขียนโปรแกรม AI กับงานศิลปะ (Multi-Labels Image Recognition)

สวัสดีแฟนเพจ ThAIKeras ทุกท่าน ขอนำท่านกลับมาพบกับ workshop ลำดับที่ 8 ของ ThAIKeras ที่จะให้เพื่อนๆ ได้ร่วมฝึกการเขียนโปรแกรม Computer Vision ไปด้วยกันบนข้อมูลที่มีความซับซ้อนมาก นั่นคือ ผลงานศิลปะในพิพิธภัณฑ์ชื่อดังของโลกครับ

ใน workshop นี้ เราจะใช้ Deep Learning ที่เขียนด้วย Keras มาจำแนกประเภทของงานศิลปะที่จัดแสดงอยู่ใน The Metropolitan Museum of Art โดยพิพิธภัณฑ์นี้เป็นพิพิธภัณฑ์ศิลปะที่ใหญ่ที่สุดในอเมริกา และมีผู้เข้าชมเป็นอันดับสามของโลก รองจาก Musée du Louvre และ National Museum of China เลยครับ

ด้วยความที่เป็นพิพิธภัณฑ์ขนาดใหญ่ จึงทำให้มีของสะสมอยู่เป็นจำนวนมาก ประมาณ 1.5 ล้านชิ้น ในจำนวนนี้มีอยู่สองแสนชิ้นที่ได้ทำการถ่ายภาพ และจัดหมวดหมู่เรียบร้อยแล้ว ในการจัดหมวดหมู่ของงานศิลปะ ถ้าสามารถใช้ AI เข้ามาช่วย ก็จะลดเวลาและความผิดพลาดจากการทำงานของมนุษย์ลงได้ จึงเป็นที่มาของการแข่งขัน iMet Collection 2019 บน Kaggle ซึ่งเป็นส่วนนึงของ FGVC6 workshop ในงาน CVPR conference ปีนี้

โจทย์ที่ทางพิพิธภัณฑ์กำหนดมา คือต้องการให้พวกเรา "จำแนกประเภทอารยธรรม" (เช่น American / Egypt / China / etc.) อย่างอัตโนมัติ รวมทั้ง "ระบุแทกที่เกี่ยวข้อง" (เช่น สร้อย / มีด / ชาย / หญิง / เด็ก / etc.) อัตโนมัติ ซึ่งสังเกตว่าในผลงานหนึ่งชิ้นอาจมีหลายแทกและอารยธรรมที่เกี่ยวข้องได้ โจทย์ประเภทนี้จึงเป็นโจทย์ในประเภท "Multi-Labels" ครับ (ต่างจากโจทย์ Multi-class ที่เราพบกันบ่อยๆ)

อนึ่งการแข่งขันหรือโปรเจกต์นี้นั้นได้จบลงไปแล้ว และได้มี Data Scientists จากทั่วโลกได้เข้ามาพูดคุยและแชร์ข้อมูลกันมากมาย ซึ่งเพื่อนๆ ที่ต้องการพัฒนาต่อยอดจาก Workshop นี้ก็สามารถทำได้ด้วยตัวเองโดยเข้าไปที่นี่ได้เลยครับ

ใน Workshop นี้สิ่งที่เพื่อนๆ จะได้เรียนรู้มีดังนี้ ครับ

• การจัดการข้อมูลรูปภาพขนาดใหญ่ จากข้อมูลฝึกสอนกว่า 1 แสนรูป ด้วยการประยุกต์ใช้ data_generator และ fit_generator บน keras
• การฝึกสอนและทำนายบนปัญหาประเภท Multi-Lables รวมทั้งการออกแบบ Validation process
• การใช้งาน Image Augmentation ในทางปฏิบัติดังที่ได้สอนใน Workshop ที่แล้วของเรา
• การใช้งาน EfficientNet บน Keras
• และสุดท้ายคือได้รับ "อาหารตา" อันสวยงามบนภาพถ่ายคุณภาพสูงของผลงานยอดศิลปินในอดีต :)

ถ้าพร้อมแล้วเราไปทดลองศึกษาและปฏิบัติกันได้ทันที กดที่นี่เพื่อเข้าเว็บของ Kaggle ครับ

เพื่อนๆ สามารถดูรายชื่อ Workshops ก่อนหน้านี้ได้ที่นี่ครับ