網路城邦
上一篇 回創作列表 下一篇  字體:
機器學習?實在沒招時再用吧!
2017/08/02 10:57:53瀏覽1475|回應0|推薦3

現在想學習影像辨識的人,都一定會被引導說:機器學習類神經網路甚至所謂的深度學習很重要!不懂這些東西好像根本就是影像辨識的外行人?不會用這些東西根本不能稱為影像辨識的專業人士?但真是如此嗎?我的想法正好相反!初學影像辨識的人,根本不需要,也不應該花時間學這些東西!機器學習是你實在沒有辦法精確解析問題時,最後不得已時才應該用到的下策

雖然在複雜的問題上,我們可以藉著機器學習很快的達到一定的辨識正確率,但是要「學習」就必須有資料,而且是有「答案」的資料(類似題庫)!我試過請工讀生用人眼辨識上萬張的車牌照片,來建立「有答案」的資料集,即使每天上班很認真,也足足花了兩三個禮拜!

所以大家首先必須認知:機器學習是很昂貴的問題解決方式!建立有答案的大量資料要很多人力,大量運算需要很好的電腦設備,「機器」在「學習」的期間,研究人員也要陪著反覆分析資料,他們也是要領薪水的!所以機器學習要玩得好,絕對需要很多錢與時間,窮人是根本玩不起的!

要很有錢只是第一個關卡,所謂機器學習的工作模式就是一開始「先猜公式」,再用程式反覆測試來「猜參數」,經過很多的嘗試錯誤終於建立了一套公式與參數,可以達到最高的辨識率!但是連操作的人自己也不太知道為什麼應該用這一組公式?為什麼參數1.88會最好?1.85就差很多?就跟問老師傅很多技術問題一樣,沒道理!說不上來!反正就是「經驗」嘛!

經驗不是沒價值,只要能將事情做好就有價值!但經驗是:知其然不知其所以然的東西!當問題的性質與範圍改變時,我們不知道如何簡單的修改系統就能適應新的小變化!沒辦法,只好將成本極高的訓練工作全套重來一次,還要加入更多新出現的新型態資料哦!就是花更多錢與時間來「升級」系統的意思,我的媽呀!你家是錢太多哦?

我沒這麼多錢與時間,所以我始終沒認真用過機器學習的方式解決任何影像辨識的問題,作影像辨識業務好多年了,公司照開研發照作,新案子與升級改版不斷,沒用機器學習反而是我的優勢!因為:我研發的每一行程式我都明確知道它的效果,以及我為什麼這麼寫!新案例情況出現時,我直接找到關鍵點加減幾行程式,修改一兩個副程式,從流程圖中移動一兩個程序,新的客製化軟體就成形了!再拿幾十個關鍵案例測試調整一下就可以出貨了!

重點是:我始終知道自己在幹甚麼!機器學習崇尚的卻不是這樣,他們很樂於見到:不知道怎麼作到的「神奇」學習結果!我常常覺得很多人喜歡機器學習,不是因為他們特別聰明努力想學習新技術,而是想偷懶!不必傷腦筋正面解析複雜的問題,讓電腦跑一跑就有答案了!不是很好嗎?

我的建議是:初學影像辨識的人應該先認真學好物理與數學,充分理解需要辨識的目標影像特性,老老實實的根據課本上的影像辨識原理寫程式進行辨識,辨識失敗就認真分析為何失敗?改過再試!實在分析不出來,找高手問也沒答案時,或許你可以考慮用機器學習的方法工具猜猜看

總之,以我幾年來的影像辨識執業經驗,怎麼看都不認為機器學習在這個領域應該有甚麼優先或優勢地位,作影像辨識真正重要的知識技術當然是:物理數學程式技巧!機器學習應該排在這些學習次序的最後一項!甚至完全不會也沒啥關係!

如果有人想跟我打筆戰,麻煩您先開一間公司,接過七八個影像辨識的案子,好好用機器學習賺點錢之後再開打!在此之前我不會作任何回應的!

( 心情隨筆工作職場 )
回應 推薦文章 列印 加入我的文摘
上一篇 回創作列表 下一篇

引用
引用網址:https://classic-blog.udn.com/article/trackback.jsp?uid=yccsonar&aid=107715383