点击“凹凸域”，选择星标
读懂工业互联网
量子位 报道 | 公众号 QbitAI
AlphaGo战胜了人类最强棋手，但前提是它先学会了人类棋谱，离不开人类指导。
接着谷歌又推出了AlphaGo Zero，只让AI知道围棋规则，从零开始学下棋，结果再次登上棋艺顶峰。
AI既然能从零学习围棋，是否可以从零开始摸索机器学习算法？当然可以，谷歌大脑团队最新的研究成果已经做到了。
谷歌将这种技术称之为AutoML-Zero，意为“从零开始的自动机器学习”，已经在GitHub开源，并在Arxiv上提交了论文。
而且这一研究还是来自谷歌大脑的Quoc V.Le大神之手。
AutoML-Zero仅使用基本数学运算为基础，从一段空程序开始，即可自动发现解决机器学习任务的计算机程序。
AutoML Zero能发现什么
AutoML是一种实现从数据集到机器学习模型的自动化方法，让你无需高深专业知识，就能自动部署ML模型。
虽说是自动，但现阶段的AutoML还要对搜索空间进行很大的限制，这使我们在使用AutoML的时候仍然需要一些专业知识去设计神经网络的层。
谷歌的目标是让AutoML可以走得更远，仅仅使用基本的数学运算作为构建块，就可以自动发现完整的机器学习算法，进一步降低机器学习的门槛。
尽管AutoML-Zero巨大的搜索空间充满挑战性，但进化搜索还是能发现具有梯度下降的线性回归算法、具有反向传播的二层神经网络。
值得注意的是，可以AutoML-Zero的进化过程也是一个不断“发明”的过程解释进化的算法，它已经找到了双线性交互、权重平均、归一化梯度、数据增强等技术，甚至在某些情况下还发现了类似Dropout的算法。
下面我们先来看看，AutoML在CIFAR-10的二元分类任务上是如何一步步进化的。它首先发现了线性回归，然后找到了损失函数、梯度下降。
随着训练的进行，出现了随机学习率、随机权重、激活函数ReLU、梯度归一化，最后得到了84.06 ± 0.10%正确率的终极算法。
只训练一个二元分类结果还不太具有说服力，作者又用3种极端情况考察了Auto ML。
首先，当样本数量很少的时候，在80个样本上运行100个epoch。AutoML竟然进化出另一种适应性算法，给输入数据加上了噪声，并开始使用Dropout来训练模型。
在快速训练的情况下，只有800个样本和10个epoch，结果导致学习率衰退反复出现，这
是一个我们在快速训练训练机器学习模型中常见的策略。
至于多类别的分类问题，作者使用了CIFAR-10数据集的所有10个类。AutoML进化算法有时会使用权重矩阵的变换平均值作为学习速率。甚至作者也不知道为什么这种机制会更有利于多类任务，虽然这种结果在统计学上是显著的。
上面的所有测试整个过程中，人类没有告诉程序任何先验的机器学习知识。
演示
现在谷歌将AutoML-Zero的程序提交到GitHub，普通电脑只需5分钟就能体验一下它的实际效果。
安装好Bazel后，将代码下载到本地，运行其中的demo程序：
git clone https://github.com/google-research/google-research.git
cd google-research/automl_zero
./run_demo.sh这个脚本在10个线性任务上运行进化搜索。每次实验后，它都会评估在100个新的线性任务中发现的最佳算法。一旦算法的适应度大于0.9999，就选择该算法作为最终结果，将代码打印在屏幕上。
在普通电脑上使用CPU在5分钟内就能发现类似于梯度下降进行线性回归的程序：
found:
def Setup():
s3 = -0.520936
s2 = s2 * s3
s2 = dot(v1, v1)
v2 = s2 * v1
s2 = s3 * s2
v1 = s0 * v2
s2 = s0 - s3
s2 = -0.390138
v2 = s2 * v0
s1 = dot(v1, v0)
def Predict():
s2 = -0.178737
s1 = dot(v1, v0)
def Learn():
s1 = s1 * s2
s3 = s3 * s2
s2 = s0 * s2
s1 = s1 - s2
v2 = s1 * v0
v1 = v2 + v1
v2 = s3 * v0
v1 = v2 + v1由人工设计的ML算法是，有兴趣的话，你可以比较这两段程序的差异。
def Setup():
s2 = 0.001 # Init learning rate.
def Predict(): # v0 = features
s1 = dot(v0, v1) # Apply weights
def Learn(): # v0 = features; s0 = label
s3 = s0 - s1 # Compute error.
s4 = s3 * s1 # Apply learning rate.
v2 = v0 * s4 # Compute gradient.
v1 = v1 + v2 # Update weights.关于作者
这篇文章的四位作者分别是：Esteban Real、Chen Liang、David R. So以及谷歌大脑的大神Quoc V.Le。
前两位都是有物理背景的博士生。Esteban Real毕业于哈佛大学，拥有物理学士学位和神经科学博士学位。他的研究方向是视网膜的神经编码。
Chen Liang毕业于北京大学物理系，之后获得了西北大学的人工智能和机器学习博士学位，现在是谷歌大脑的一名研究员，研究方向是强化学习、NLP和AutoML。
传送门
论文地址：
https://arxiv.org/abs/2003.03384
GitHub地址：
https://github.com/google-research/google-research/tree/master/automl_zero
谷歌AI良心开源：一部手机就能完成3D目标检测，还是实时的那种
在2D图像中做3D目标检测很难？
现在，拿着一部手机就能做到，还是实时的那种。
这就是谷歌AI今天发布的MediaPipe Objectron，一个可以实时3D目标检测的pipeline。
分开来看：
MediaPipe是一个开源的跨平台框架，用于构建pipeline来处理不同模式的感知数据。
Objectron在移动设备上实时计算面向对象的3D边界框。
日常生活中的物体，它都可以检测，来看下效果。
它可以在移动端设备上，实时地确定物体的位置、方向和大小。
这个pipeline检测2D图像中的物体，然后通过机器学习模型，来估计它的姿态和大小。
那么，它具体是怎么做到的呢？
获取真实世界中的3D数据
我们知道，3D数据集相对于2D来说，非常有限。
为了解决这个问题，谷歌AI的研究人员使用移动增强现实(AR)会话数据(session data)，开发了新的数据pipeline。
目前来说，大部分智能手机现在都具备了增强现实的功能，在这个过程中捕捉额外的信息，包括相机姿态、稀疏的3D点云、估计的光照和平面。
为了标记groud truth数据，研究人员构建了一个新的注释工具，并将它和AR会话数据拿来一起使用，能让注释器快速地标记对象的3D边界框。
这个工具使用分屏视图来显示2D视频帧，例如下图所示。
左边是覆盖的3D边界框，右边显示的是3D点云、摄像机位置和检测平面的视图。
注释器在3D视图中绘制3D边界框，并通过查看2D视频帧中的投影来验证其位置。
对于静态对象，只需要在单帧中注释一个对象，并使用来自AR会话数据的ground truth摄像机位姿信息，将它的位置传播到所有帧。
这就让该过程变得非常高效。
AR合成数据生成
为了提高预测的准确性，现在比较流行的一种方法，就是通过合成的3D数据，来“填充”真实世界的数据。
但这样往往就会产生很不真实的数据，甚至还需要大量的计算工作。
谷歌AI就提出了一种新的方法——AR合成数据生成 (AR Synthetic Data Generation)。
这就允许研究人员可以利用相机的姿势、检测到的平面、估计的照明，来生成物理上可能的位置以及具有与场景匹配的照明位置 。
这种方法产生了高质量的合成数据，与真实数据一起使用，能够将准确率提高约10%。
用于3D目标检测的机器学习pipeline
为了达到这个目的，研究人员建立了一个单阶段的模型，从一个RGB图像预测一个物体的姿态和物理大小。
模型主干部分有一个基于MobileNetv2的编码器-解码器架构。
还采用一种多任务学习方法，通过检测和回归来共同预测物体的形状。
对于形状任务，根据可用的ground truth注释(如分割)来预测对象的形状信号；对于检测任务，使用带注释的边界框，并将高斯分布拟合到框中，以框形质心为中心，并与框的大小成比例的标准差。
检测的目标是预测这个分布，它的峰值代表了目标的中心位置。
回归任务估计边界框8个顶点的2D投影。为了获得边界框的最终3D坐标，还利用了一个成熟的姿态估计算法(EPnP)，可以在不知道物体尺寸的前提下恢复物体的3D边界框。
有了3D边界框，就可以很容易地计算出物体的姿态和大小。
这个模型也是非常的轻量级，可以在移动设备上实时运行。
在MediaPipe中进行检测和跟踪
在移动端设备使用这个模型的时候，由于每一帧中3D边界框的模糊性，模型可能会发生“抖动”。
为了缓解这种情况，研究人员采用了最近在“2D界”发布的检测+跟踪框架。
这个框架减少了在每一帧上运行网络的需要，允许使用更大、更精确的模型，还能保持在pipeline上的实时性。
为了进一步提高移动pipeline的效率，每隔几帧只让运行一次模型推断。
最后，这么好的项目，当然已经开源了！
清华大学语音语言中心王东老师的《机器学习导论》一书由清华大学出版社出版，作者把预印版本开放大家下载！如果大家觉得这本书不错，欢迎购买正式版本实体书籍
本书主页：http://mlbook.cslt.org
本书主要目的不是细致讨论各种具体算法，而是将各种看似高深的方法有机组织起来，告诉学生们每种方法的基本思路、基本用法及与其它技术的关联，帮助其走入机器学习的宏伟殿堂。除作者讲以外，还有冯洋、王彩霞、王卯宁三位老师，分别讲述图模型、核方法和遗传算法。研讨班取得了意想不到的效果，很多学生不仅掌握了基础知识和基本方法，对这些方法与具体应用研究的结合也有了更深刻的理解，为在本领域的深入研究打下了基础。全书共分十一章，内容如下：
第一章：介绍机器学习研究的总体思路，发展历史与关键问题；
第二章：介绍线性模型，包括线性预测模型，线性分类模型和线性高斯概率模型；
第三章：介绍神经网络的基础知识、基础结构和训练方法；
第四章：介绍深度神经网络的基础方法和最新进展；
第五章：介绍核方法，特别是支持向量机模型；
第六章：介绍图模型的基本概念和基于图模型的学习和推理方法；
第七章：介绍无监督学习方法，特别是各种聚类方法和流形学习；
第八章：介绍非参数贝斯模型，重点关注高斯过程和狄利克雷过程；
第九章：介绍遗传算法、遗传编程、群体学习等演化学习方法；
第十章：介绍强化学习，包括基础算法及近年来兴起的深度强化学习方法；
第十一章：介绍各种数值优化方法。
下面为部分内容展示。
1.扫码关注 公众号
2.后台回复关键词：AI007
▲长按扫描，回复AI007即可获取
戳下方传送门链接，快去试试吧~
传送门
GitHub项目地址：
https://github.com/google/mediapipe/blob/master/mediapipe/docs/objectron_mobile_gpu.md
谷歌AI博客：
https://ai.googleblog.com/2020/03/real-time-3d-object-detection-on-mobile.html
历史阅读：
Python 开发者必知的 11 个 Python GUI 库
基于TensorFlow 2.0的中文深度学习开源书来了！GitHub趋势日榜第一，斩获2K+星
微软官方上线了Python 教程，7个章节就把Python说通了
我给曾经暗恋的初中女同学，用Python实现了她飞机上刷抖音
被女朋友三番五次拉黑后，我用 Python 写了个“舔狗”必备神器
最全 14 张思维导图：教你构建 Python 编程的核心知识体系！
更多内容请关注 ↓
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
