Модель учится на ваших примерах

Teachable Machine дает наглядный способ познакомиться с машинным обучением. Пользователь собирает примеры, назначает им классы, запускает обучение и сразу проверяет новые входы. Официальные материалы описывают распознавание изображений, звуков и поз. Это не универсальный собеседник и не генератор иллюстраций: задача состоит в различении тех классов, которые вы подготовили.

Проект относится к экспериментам Google Creative Lab. В открытом репозитории опубликованы библиотеки, примеры и пояснение архитектуры на TensorFlow.js. Там же указано, что эксперимент не следует считать официальным производственным продуктом Google с гарантированным сопровождением. Для учебного знакомства такая оговорка важнее громкого названия разработчика.

Почему меняют фон при проверке

Предположим, нужно различать карандаш и ложку по изображению с камеры. Соберите много собственных примеров при разном положении предметов, расстоянии и освещении. Не снимайте весь первый класс только на белом фоне, а второй только на темном: иначе модель может научиться отличать фон, а не сами предметы.

После обучения возьмите новые кадры и отдельно поменяйте условия съемки. Проверьте, что произойдет без нужного предмета или с предметом, который не относится ни к одному классу. Высокое значение на знакомой картинке мало говорит о работе в другой комнате. Отложенные снимки должны представлять реальные условия, в которых предстоит распознавать предметы.

Экспорт и локальная работа

Официальный репозиторий поясняет, что обучение и выполнение моделей происходят в браузере. Для сохранения проекта может отдельно использоваться Google Drive. Экспортированные модели можно подключать к сайтам и приложениям; приведены примеры для нескольких языков и вспомогательные библиотеки. Это не обещание готового облачного API для любой задачи.

При переносе в собственный проект проверьте, как обрабатываются неопределенные предсказания и новые условия входа. Для значимых решений нужен значительно более строгий контроль данных и ошибок, чем для учебной демонстрации. Открытый код позволяет изучить механизм, но не освобождает от проверки лицензий компонентов и надежности конечного приложения.

При сборе примеров не ограничивайтесь почти одинаковыми соседними кадрами. Полезнее показать предмет под разными углами и проверить его отдельно от привычного окружения. Если в будущем приложении встречаются посторонние объекты, заранее определите, какой ответ считается неопределенным и что должен увидеть человек. Иначе учебный классификатор будет вынужден выбирать знакомое название даже для неподходящего входа.

Для каких задач подходит

Обучить учебное распознавание визуальных классов
Экспортировать модель в собственный небольшой проект

Возможности

Сильные стороны

Обучение происходит в браузере
Есть открытые библиотеки и примеры экспорта

Стоит учитывать

Ограничения

Это эксперимент, а не производственная гарантия
Сходный фон может подменить нужный признак класса

Выбор и условия

Бесплатный режим: Да
Пробный период: Не подтверждено
Без регистрации: Не подтверждено
Русский интерфейс: Не подтверждено
Локальная установка: Да
API: Не подтверждено

«Не подтверждено» означает, что сведений недостаточно. Возможность может существовать; сверяйте условия разработчика.

Исходные форматы: Изображение, Аудио, Поза
Результат: Модель, Данные

Условия

Бесплатный учебный эксперимент с открытыми библиотеками. Обучение модели идет в браузере; сохранение проекта и работа собственного приложения имеют отдельные условия.

От задачи к первому результату

Практический пример

Задача: Обучить учебное распознавание визуальных классов
Что подготовить: Собственные примеры двух визуальных классов и отдельный набор кадров с другим фоном.

Задание или запрос

Рабочее задание: собрать разные примеры каждого класса, обучить классификатор в браузере и проверить, узнает ли он предмет при изменении фона и расстояния.

Ожидаемый результат

Учебная модель классификации с доступным экспортом и результатами проверки на новых примерах.

Как проверить результат

Проверьте новые кадры, которых не было при обучении.
Поменяйте фон и освещение, чтобы выявить случайную зависимость от условий съемки.

Редакционный учебный пример постановки задачи, а не результат личного тестирования сервиса. Проверьте доступность нужного режима, права на исходники и условия использования результата.

Проверить подробности

Официальные источники

Описание составлено по материалам разработчика. Возможности, цены и доступность могут меняться; перед использованием сверяйтесь с первоисточником.

Teachable Machine.