概要：今天我們將討論深度學(xué)習(xí)中最核心的問題之一：訓(xùn)練數(shù)據(jù)。

Hello World！

今天我們將討論深度學(xué)習(xí)中最核心的問題之一：訓(xùn)練數(shù)據(jù)。深度學(xué)習(xí)已經(jīng)在現(xiàn)實(shí)世界得到了廣泛運(yùn)用，例如：無人駕駛汽車，收據(jù)識別，道路缺陷自動檢測，以及交互式電影推薦等等。

我們大部分的時(shí)間并不是花在構(gòu)建神經(jīng)網(wǎng)絡(luò)上，而是處理訓(xùn)練數(shù)據(jù)。深度學(xué)習(xí)需要大量的數(shù)據(jù)，然而有時(shí)候僅僅標(biāo)注一張圖像就需要花費(fèi)一個(gè)小時(shí)的時(shí)間！所以我們一直在考慮：能否找到一個(gè)方法來提升我們的工作效率？是的，我們找到了。

現(xiàn)在，我們很自豪的將Supervisely令人驚嘆的新特性公諸于世：支持AI的標(biāo)注工具來更快速地分割圖像上的對象。

在本文中，我們將重點(diǎn)介紹計(jì)算機(jī)視覺，但是，類似的思路也可用在大量不同類型的數(shù)據(jù)上，例如文本數(shù)據(jù)、音頻數(shù)據(jù)、傳感器數(shù)據(jù)、醫(yī)療數(shù)據(jù)等等。

重點(diǎn)：數(shù)據(jù)越多，AI越智能

讓我們以吳恩達(dá)非常著名的幻燈片開始，首先對其進(jìn)行小小的修改。

深度學(xué)習(xí)的表現(xiàn)優(yōu)于其它機(jī)器學(xué)習(xí)算法早已不是什么秘密。從上圖可以得出以下結(jié)論。

結(jié)論 0：AI產(chǎn)品需要數(shù)據(jù)。

結(jié)論 1：獲得的數(shù)據(jù)越多，AI就會越智能。

結(jié)論 2：行業(yè)巨頭所擁有的數(shù)據(jù)量遠(yuǎn)超其它企業(yè)。

結(jié)論 3：AI產(chǎn)品的質(zhì)量差距是由其所擁有的數(shù)據(jù)量決定的。

因此，網(wǎng)絡(luò)架構(gòu)對AI系統(tǒng)的表現(xiàn)影響很大，但是訓(xùn)練數(shù)據(jù)的多少對系統(tǒng)表現(xiàn)的影響最大。致力于數(shù)據(jù)收集的公司可以提供更好的AI產(chǎn)品并獲得巨大的成功。

常見錯誤：AI全都是關(guān)于構(gòu)建神經(jīng)網(wǎng)絡(luò)的。

如上圖所示，當(dāng)人們一想到AI，就會想到算法，但是也應(yīng)該考慮到數(shù)據(jù)。算法是免費(fèi)的：谷歌和其他巨頭更傾向于向世界分享他們最先進(jìn)的(state-of-the-art)研究成果，但是他們從不會共享數(shù)據(jù)。

許多人已經(jīng)跳上了人工智能炒作的列車，并且創(chuàng)造了極棒的構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的工具，然而關(guān)注訓(xùn)練數(shù)據(jù)的人卻少的可憐。當(dāng)企業(yè)打算將人工智能轉(zhuǎn)換成實(shí)際應(yīng)用時(shí)，會傾盡全部工具用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，卻沒有用于開發(fā)訓(xùn)練數(shù)據(jù)上的工具。

吳恩達(dá)說論文已經(jīng)足夠了，現(xiàn)在讓我們來構(gòu)建AI吧！

好主意，我們完全贊同。目前有許多論文和開源成果論述了最先進(jìn)的（state of the art ）且涵蓋所有的實(shí)際應(yīng)用的神經(jīng)網(wǎng)絡(luò)架構(gòu)。想象一下，你獲得了一個(gè)價(jià)值10億美元的新想法。首先想到的肯定不會是：我將使用哪種類型的神經(jīng)網(wǎng)絡(luò)？最有可能的是：我在哪里可以得到能建立MVP的數(shù)據(jù)？

讓我們來尋找一些有效的方法訓(xùn)練數(shù)據(jù)，可行的方法如下：

1.開源數(shù)據(jù)集。深度神經(jīng)網(wǎng)絡(luò)（DNN）的價(jià)值是用于訓(xùn)練數(shù)據(jù)，在計(jì)算機(jī)視覺研究中，大多數(shù)可用數(shù)據(jù)都是針對特定研究小組所研究的課題而設(shè)計(jì)的，通常對于新研究人員來說，需要搜集更多額外的數(shù)據(jù)去解決他們自己的課題。這就是在大多數(shù)情況下開源數(shù)據(jù)集并不是一個(gè)解決方案的原因。

2.人工數(shù)據(jù)。它適用于類似OCR文字識別或者是文本檢測，然而很多實(shí)例（如人臉識別，醫(yī)學(xué)影像等）表明人工數(shù)據(jù)很難甚至是不可能產(chǎn)生，通常的做法是將人工數(shù)據(jù)和帶標(biāo)注的圖像相結(jié)合使用。

3.Web。自動收集高質(zhì)量的訓(xùn)練數(shù)據(jù)是很難的，通常我們會對收集的訓(xùn)練數(shù)據(jù)進(jìn)行修正和過濾。

4.外面訂購圖像標(biāo)注服務(wù)。一些公司提供這樣的服務(wù)，我們也不例外。但其很大的缺點(diǎn)是不能進(jìn)行快速的迭代。通常，即使是數(shù)據(jù)專家也不確定如何標(biāo)注。通常的順序是做迭代研究：標(biāo)注圖像的一小部分→建立神經(jīng)網(wǎng)絡(luò)架構(gòu) →檢查結(jié)果。每個(gè)新的標(biāo)注都將會影響后續(xù)的標(biāo)注。

5.手動標(biāo)注圖像。僅適用于你自己的工作，領(lǐng)域內(nèi)的專業(yè)知識是很關(guān)鍵的。醫(yī)學(xué)影像就是個(gè)很好的例子：只有醫(yī)生知道腫瘤在哪里。手動注解圖像這個(gè)過程很耗時(shí)，但是如果你想要一個(gè)定制化的AI，也沒有其他辦法。

正如我們所看到的，其實(shí)并沒有萬能方法，最常見的方案是創(chuàng)建我們自己任務(wù)特定的訓(xùn)練數(shù)據(jù)，形成人工數(shù)據(jù)，如果可能的話再整合到公共數(shù)據(jù)集中。這其中的關(guān)鍵是，你必須為特定的任務(wù)建立自己獨(dú)一無二的數(shù)據(jù)集。

讓我們深入學(xué)習(xí)來構(gòu)建深度學(xué)習(xí)

深度學(xué)習(xí)接近于數(shù)據(jù)匱乏，且其性能極度依賴于可供訓(xùn)練數(shù)據(jù)的數(shù)量。

通過實(shí)例我們可以看出標(biāo)注的過程有多困難。這里是標(biāo)注過程所花費(fèi)時(shí)間的一些原始數(shù)據(jù)，例如使用Cityscapes數(shù)據(jù)集（用于無人駕駛），在對Cityscapes數(shù)據(jù)集中單個(gè)圖像的精細(xì)像素級的標(biāo)注平均需要花費(fèi)1.5h，如果標(biāo)注5000個(gè)圖像，則需要花費(fèi)5000*1.5=7500h。假設(shè)1h=＄10（美國最低工資），那么僅僅是標(biāo)注該數(shù)據(jù)集就需要花費(fèi)約＄7.5萬左右（不包括其他額外的成本）。同樣吃驚的是，像這樣一家擁有1000名做無人駕駛圖像標(biāo)注員工的公司，只不過是冰山一角。

神經(jīng)網(wǎng)絡(luò)能否幫助我們提高圖像標(biāo)注的效率呢？我們可不是第一個(gè)試圖回答這一問題的人。

半自動化實(shí)例標(biāo)注很早就開始使用了， 有很多經(jīng)典的方法可提高標(biāo)注的效率，如超像素塊算法(Superpixels)，分水嶺算法(Watershed)，GrabCut分割算法等。近幾年，研究人員試圖用深度學(xué)習(xí)完成這一任務(wù)（link1, link2, link3），這些經(jīng)典的算法有很多缺陷，需要很多超參數(shù)對每一幅圖像進(jìn)行檢索，難以對結(jié)果進(jìn)行標(biāo)準(zhǔn)化和修正。最新的基于深度學(xué)習(xí)的成果要好很多，但在大多情況下這些成果是不開源的。我們是第一個(gè)為每個(gè)人提供基于AI的標(biāo)注工具的人，我們自己獨(dú)立設(shè)計(jì)了與上邊三個(gè)links概念類似的神經(jīng)網(wǎng)絡(luò)架構(gòu)。它有一個(gè)很大的優(yōu)勢：我們的神經(jīng)網(wǎng)絡(luò)不需要對對象實(shí)例進(jìn)行分類。這就意味著，可以對行人、汽車、路面上的凹陷處、醫(yī)學(xué)影像上的腫瘤、室內(nèi)場景、食物成分、衛(wèi)星上的物體等等進(jìn)行分割。

那么，它是如何工作的呢？如下圖所示：

你只需要剪裁感興趣的對象，然后神經(jīng)網(wǎng)絡(luò)將會對其進(jìn)行分割。人機(jī)交互非常重要，你可以點(diǎn)擊圖像的內(nèi)部和外部標(biāo)簽進(jìn)行修正錯誤。

語義分割是將圖像劃分為多個(gè)預(yù)定義語義類別的區(qū)域，與它不同的是，我們的交互式圖像分割旨在根據(jù)用戶的輸入提取其感興趣的對象。

交互式分割的主要目標(biāo)是根據(jù)用戶最少的操作，即可精確的提取對象以改善整體的用戶體驗(yàn)，因此我們大大提高了標(biāo)注的效率。

這是我們的第一次嘗試，當(dāng)然在有些情況下，好的標(biāo)注依然會有缺陷。我們會不斷的提高質(zhì)量，并做出適用于領(lǐng)域適應(yīng)性的簡單方法：在不編碼的情況下，為適應(yīng)內(nèi)部特定的任務(wù)自定義工具。

結(jié)語

數(shù)據(jù)是深度學(xué)習(xí)的關(guān)鍵，訓(xùn)練數(shù)據(jù)是費(fèi)時(shí)和高代價(jià)的。但是我們和深度學(xué)習(xí)的團(tuán)體積極嘗試著去解決訓(xùn)練數(shù)據(jù)的問題，并且成功的邁出了第一步，希望能夠在以后提供更好的解決方案。