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
NIPS Workshop 2020 on Climate Change and ML
https://neurips.cc/virtual/2020/protected/workshop_16155.html
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 😀