- Beranda
- The Lounge
Keluarga Petani Mentimun Asal Jepang Ini Menggunakan Deep Learning dan TensorFlow
...
TS
syncmaster77
Keluarga Petani Mentimun Asal Jepang Ini Menggunakan Deep Learning dan TensorFlow
Hallo Gan
Agan Pernah Pake Deep Learning Dan TensorFlow Buat Nanem Pohon ?
Nih Di Jepang Ada Keluarga Petani Timun Yang Memanfaatkannya
Nyok Simak Di TKP :
Desain sistem penyortiran mentimun
Berikut ini foto close-up dari tangan penyortir dan antarmuka kamera:
Dan berikut ini video mesin penyortir mentimun saat bekerja:
Hambatan utama
Tantangan yang paling berat bagi deep learning adalah kita membutuhkan training dataset yang banyak. Untuk melatih model penyortir mentimun ini, Makoto menghabiskan tiga bulan penuh untuk mengambil 7.000 gambar mentimun yang disortir oleh ibunya, namun jumlah ini mungkin tidak cukup.
"Saat saya melakukan validasi dengan sebuah contoh-contoh gambar, tingkat akurasinya melebihi 95%. Namun saat kita mengaplikasikan sistem dengan kondisi yang sebenarnya, tingkat akurasi menurun menjadi sekitar 70%. Saya mencurigai model neural network ini memiliki masalah overfitting (fenomena neural network di mana model yang dilatih hanya sesuai pada dataset yang terbatas) karena jumlah gambar pelatih yang kurang banyak."
Tantangan yang kedua dari deep learning adalah besarnya daya komputasi yang dibutuhkan. Penyortir yang telah bekerja berjalan di PC Windows untuk melatih neural network model. Meskipun ia mengubah ukuran gambar mentimun ke dalam resolusi yang lebih rendah berukuran 80 x 80 pixel, mesin penyortir ini masih membutuhkan dua hingga tiga hari untuk menyelesaikan proses pelatihan model dengan 7.000 gambar.
"Bahkan dengan gambar beresolusi rendah ini, sistem yang ada hanya dapat mengklasifikasinya berdasarkan bentuk, panjang dan tingkat pembelokan. Sistem ini tidak dapat mengenali gambar, tekstur, goresn dan durinya," Makoto menjelaskan. Meningkatkan resolusi gambar dengan melakukan zooming dapat menaikkan tingkat akurasi namun juga membuat waktu pelatihan menjadi lebih lama.
Untuk meningkatkan "deep learning", beberapa perusahaan besar melakukan training terdistribusi dalam skala besar, namun tentu server tersebut meningkatkan besar biaya yang dibutuhkan. Google menawarkan Cloud Machine Learning (Cloud ML), sebuah platform cloud terjangkau yang dapat melakukan training dan prediksi menggunakan ratusan server cloud terdistribusi dengan TensorFlow. Dengan Cloud ML, Google akan menangani sistem cluster berskala besar untuk training terdistribusi, dan kita cukup membayar apa yang terpakai sehingga developer akan lebih mudah untuk mencoba teknologi deep learning tanpa melakukan investasi yang signifikan.
Oke Gan Itu Lah Trit Ane
Tolong Gan Bantu Ama Kasih Nya
Agan Pernah Pake Deep Learning Dan TensorFlow Buat Nanem Pohon ?
Nih Di Jepang Ada Keluarga Petani Timun Yang Memanfaatkannya
Nyok Simak Di TKP :
Spoiler for :
Spoiler for :
Spoiler for :
Spoiler for :
Desain sistem penyortiran mentimun
Spoiler for :
Spoiler for :
Berikut ini foto close-up dari tangan penyortir dan antarmuka kamera:
Spoiler for image:
Spoiler for image2:
Dan berikut ini video mesin penyortir mentimun saat bekerja:
Spoiler for video:
Hambatan utama
Tantangan yang paling berat bagi deep learning adalah kita membutuhkan training dataset yang banyak. Untuk melatih model penyortir mentimun ini, Makoto menghabiskan tiga bulan penuh untuk mengambil 7.000 gambar mentimun yang disortir oleh ibunya, namun jumlah ini mungkin tidak cukup.
"Saat saya melakukan validasi dengan sebuah contoh-contoh gambar, tingkat akurasinya melebihi 95%. Namun saat kita mengaplikasikan sistem dengan kondisi yang sebenarnya, tingkat akurasi menurun menjadi sekitar 70%. Saya mencurigai model neural network ini memiliki masalah overfitting (fenomena neural network di mana model yang dilatih hanya sesuai pada dataset yang terbatas) karena jumlah gambar pelatih yang kurang banyak."
Tantangan yang kedua dari deep learning adalah besarnya daya komputasi yang dibutuhkan. Penyortir yang telah bekerja berjalan di PC Windows untuk melatih neural network model. Meskipun ia mengubah ukuran gambar mentimun ke dalam resolusi yang lebih rendah berukuran 80 x 80 pixel, mesin penyortir ini masih membutuhkan dua hingga tiga hari untuk menyelesaikan proses pelatihan model dengan 7.000 gambar.
"Bahkan dengan gambar beresolusi rendah ini, sistem yang ada hanya dapat mengklasifikasinya berdasarkan bentuk, panjang dan tingkat pembelokan. Sistem ini tidak dapat mengenali gambar, tekstur, goresn dan durinya," Makoto menjelaskan. Meningkatkan resolusi gambar dengan melakukan zooming dapat menaikkan tingkat akurasi namun juga membuat waktu pelatihan menjadi lebih lama.
Untuk meningkatkan "deep learning", beberapa perusahaan besar melakukan training terdistribusi dalam skala besar, namun tentu server tersebut meningkatkan besar biaya yang dibutuhkan. Google menawarkan Cloud Machine Learning (Cloud ML), sebuah platform cloud terjangkau yang dapat melakukan training dan prediksi menggunakan ratusan server cloud terdistribusi dengan TensorFlow. Dengan Cloud ML, Google akan menangani sistem cluster berskala besar untuk training terdistribusi, dan kita cukup membayar apa yang terpakai sehingga developer akan lebih mudah untuk mencoba teknologi deep learning tanpa melakukan investasi yang signifikan.
Spoiler for :
Oke Gan Itu Lah Trit Ane
Tolong Gan Bantu Ama Kasih Nya
Spoiler for sumur:
1
3.6K
25
Komentar yang asik ya
Mari bergabung, dapatkan informasi dan teman baru!
The Lounge
923.4KThread•84.4KAnggota
Urutkan
Terlama
Komentar yang asik ya