Deep Learning สำหรับ Climate Change จากแล็บวิจัยชั้นนำของโลก 17 แห่ง  

  RSS
The Neural Engineer
(@neural-engineer)
Boltzmann Machine

Deep Learning สำหรับ Climate Change จากแล็บวิจัยชั้นนำของโลก 17 แห่ง 

สวัสดีครับเพื่อนๆ สำหรับผู้ที่สนใจนำ Deep Learning เพื่อจัดการปัญหา Climate Change สามารถดาวโหลดเปเปอร์ระดับสุดยอดฉบับนี้ไปเป็นแนวทางได้เลยครับ  

https://arxiv.org/pdf/1906.05433.pdf  

เปเปอร์ฉบับนี้ได้กล่าวถึงการจัดการปัญหา Climate Change ด้วยเทคนิกต่างๆ เช่น Computer Vision, NLP, Reinforcement Learning, Time-series analysis, Unsupervised Learning และอื่นๆ อีกมากมาย โดยแบ่งออกเป็น 13 เป้าหมาย 

?auto=compress&cs=tinysrgb&dpr=2&h=650&w=940

1) ระบบไฟฟ้า 

2) ระบบขนส่ง 

3) เมืองอัจฉริยะ 

4) งานด้านอุตสาหกรรม 

5) การเกษตรและการรักษาป่าไม้ 

6) การจัดการ CO2 

7) การทำนายสภาวะอากาส 

8) ทำนายผลกระทบต่อสังคมและระบบนิเวศ 

9) พลังงานแสงอาทิตย์ 

10) การทำนายพฤติกรรมรายบุคคล 

11) การกำหนดนโยบายที่มีประสิทธิภาพ 

12) การศึกษาแก่วงกว้าง 

13) การเงิน 

ซึ่งผลงานชิ้นนี้เป็นการทำร่วมกันของแล็บวิจัยชั้นนำของโลก 17 แห่ง ไม่ว่าจะเป็น Google AI, DeepMind, Microsoft, Stanford, MIT, Harvard และ MILA (Montreal) เป็นต้น ซึ่งเป็นแนวทางที่ดีมากสำหรับนักวิจัย นักศึกษา และหน่วยงานต่างๆ ภาครัฐ รวมทั้งองค์กรธุรกิจต่างๆ ที่อยากมีส่วนช่วยโลกของเราครับ 

อ้างอิง
Posted : 03/03/2020 3:35 am
The Neural Engineer
(@neural-engineer)
Boltzmann Machine

NIPS Workshop 2020 on Climate Change and ML

https://neurips.cc/virtual/2020/protected/workshop_16155.html

ตอบกลับอ้างอิง
Posted : 11/12/2020 9:55 pm
The Neural Engineer
(@neural-engineer)
Boltzmann Machine

AI for Good : จดจำเพื่อเก็บกวาดขยะบนพื้นด้วย AI

 ThaiKeras and Kaggle - 4 มีนาคม 2021

 

 

สวัสดีครับ เพื่อนๆ  "งานตรวจจับขยะอัตโนมัติ" เป็นอีก 1 โปรเจกต์ง่ายๆ ที่ AI จะสามารถช่วยลดมลภาวะ ต่างๆ ในสิ่งแวดล้อม เพื่อให้สิ่งมีชีวิตในระบบนิเวศอยู่ได้อย่างยั่งยืนครับ 

โดยไอเดียของโปรเจกต์นี้จะเป็นการตรวจจับขยะจากรูปภาพ  ซึ่งอาจเป็นภาพจากกล้อง CCTV กล้องจากโดรน หุ่นยนต์ หรือกล้องใดๆ ก็ได้  โดยกล้องเหล่านี้สามารถติดต่อโมเดลที่เรียนรู้รูปภาพขยะในสภาพแวดล้อมต่างๆ มาแล้ว

Applications ที่เป็นไปได้มีหลากหลายถ้าเป็นแบบ real-time ก็สามารถแจ้งเตือนให้ผู้ทิ้งขยะ หรือผู้ดูแลช่วยกันกำจัดขยะได้ทันทีครับ  หรืออาจจะเป็นส่วนประกอบสำหรับหุ่นยนต์เก็บกวาดขยะอัตโนมัติก็เป็นได้ครับ  รวมทั้งสามารถแยกขยะในแต่ละประเภทเพื่อแยกใส่คนละถังด้วยก็ได้

ถ้าใครอยู่หน่วยงานหรือแผนกที่เกี่ยวกับสิ่งแวดล้อมไม่ว่าจะเป็นภาครัฐหรือเอกชนก็ฝากโปรเจกต์นี้ไว้ในดวงใจ ไว้พิจารณาด้วยนะคร้าบ

 

TACO ชุดข้อมูลตำแหน่งและประเภท "ขยะ" หลากชนิด

โปรเจกต์ที่ชื่อว่า TACO (Trash Annoation in Context) ถูกสร้างจากอาสาสมัครต่างๆ ทั่วโลกเพื่อสร้างชุดข้อมูลเกี่ยวกับขยะในที่ต่างๆ โดยเฉพาะครับ

https://github.com/pedropro/TACO

ในข้อมูลชุดนี้จะประกอบไปด้วยรูปภาพขยะหลากหลายทั้งกระป๋อง ขวด กล่อง บุหรี่ พลาสติก ฯลฯ กว่า 60 ชนิด รวมทั้งตำแหน่งของมันในรูปแบบ Segmentation (COCO format)

ซึ่งสามารถ download ชุดข้อมูลจากเว็บไซต์ข้างบน หรือเราจะลองสร้างโมเดลบน dataset ใน Kaggle ก็ได้ครับ ซึ่งมี notebooks ที่ฝึกสอนโมเดลให้ทดลอง

https://www.kaggle.com/kneroma/tacotrashdataset (ใน Kaggle จะไม่อัพเดทเป็นข้อมูลชุดล่าสุด)

 

โดยมีเราสามารถลองดูโน้ตบุคต่างๆ เป็นไอเดียได้ดังนี้ครับ

Trash EDA

https://www.kaggle.com/rkuo2000/taco-eda

 

Trash object detection ( SSD-Mobilenet )

https://www.kaggle.com/bouweceunen/garbage-detection-with-tensorflow

 

Project คล้ายกันที่อาจมีประโยชน์

https://github.com/letsdoitworld/wade-ai/tree/master/Trash_Detection

https://www.kaggle.com/asdasdasasdas/garbage-classification

.

 

พวกเราก็ช่วยโลกได้เพียงแค่ label dataset

สำหรับเพื่อนๆ ที่มีเวลาน้อยไม่อยากสร้างโมเดล แต่อยากมีส่วนร่วมช่วยโลกในโปรเจกต์นี้ ก็สามารถช่วยได้ง่ายๆ ใน 1 นาที

เพียงแค่เข้าไปช่วยตีกรอบ (ทำ label) ล้อมรอบขยะต่างๆ ในรูปของ TACO ก็ได้ครับ

 

TACO รวบรวมรูปขยะไว้มากมาย และยังมีรูปอีกมากที่ยังไม่มีผู้ label ซึ่งเราสามารถช่วยสร้าง label ด้วยการล้อมรูปขยะได้ที่

http://tacodataset.org/annotate

 

โดยการ label เราเพียงคลิกที่รูปขยะตรงมุมหรือขอบ จะมีจุดปรากฏขึ้น เมื่อเราไปคลิกที่อีกมุมหรือขอบมันจะลากเส้นจากจุดที่แล้วเชื่อมต่อกันโดยอัตโนมัติครับ เมื่อจุดทั้งหมดล้อมรูปขยะก็เป็นอันเสร็จการ label ขยะ 1 ชิ้นครับ

.

 

อย่าลืมแยกว่าเป็นขยะบนพื้น (litter) หรือไม่

เมื่อ label เสร็จแล้วเค้าจะถามว่าวัตถุที่เราล้อมกรอบเป็นขยะบนพื้น (litter) หรือไม่เป็นขยะบนพื้น (เช่น แก้วที่เรากำลังถืออยู่ หรือขยะที่อยู่ในถังอยู่แล้ว - non-litter) ซึ่งการแยกนี้มีความสำคัญ เนื่องจากในการทำหุ่นยนต์เก็บขยะอัตโนมัติ เราคงไม่อยากให้หุ่นยนต์หรือโดรนวิ่งตรงเข้ามาแย่งของในมือเราโดยตรง หรือไปเก็บขยะที่อยู่ในถังอยู่แล้วนะครับ 😀

ตอบกลับอ้างอิง
Posted : 04/03/2021 1:04 pm
Share:

Please Login or Register