mtmh4yqqem的部落格

博翔科技為專業機械設備歐規/台灣TS標章/美規及半導體設備SEMI S2輔導顧問公司

從事設備安全檢測驗證的輔導機構，擁有經驗豐富的機械安全輔導工程師，並與多家國內外知名驗證公司合作。

服務範圍包含各項產業機械、工業電控系統、鞋廠自動化設備、半導體設備及光電廠設備…等產品。

透過我們的服務，協助客戶滿足各國安規的需求，進而提升產品的安全性及競爭力，將產品行銷至國際。

博翔科技有限公司在各大經濟體系的安全認證規範已擁有了十餘年的經驗與經歷，瞭解著安全技術與設計在認證過程的困難點

藉此Protect & Safe 秉著提供更方便更完善的認證與產品給您，

並提供CE認證、TS認證、MD認證、LVD認證、EMC認證、UL認證、NRTL認證、SEMI認證、CB認證、PSE認證、CCC認證、ASME認證、CNS認證、NFPA認證、510K認證等服務，邀請您一起邁向世界的安全技術頂端

博翔團隊核心成員出身法人中心，相較國內其他安全檢測驗證同業，博翔的強項在於成員經驗豐富，輔導過相當多的成功案例，及能為客戶提供從產品查驗、測試、驗貨與取得國外安全認證的一條龍式全方位解決方案

甚至該公司已自行開發出安全護罩、安全模組多項安全元件，期能協助客戶在兼顧「品質、安全、交期與成本」等考量下，提升其產品在全球市場的競爭力。

並且擁有最完善的設備整改服務，以符合國際標準，保證出口！

可採用標準: 2006/42/EC, EN ISO 10218-1, EN ISO 10218-2, EN ISO 11161-1, EN ISO 12100, EN ISO 13849-1, EN 12622, EN 60204-1, EN ISO 13857, EN ISO 13855, EN ISO 13851,SEMI S2, SEMI S10, SEMI S8, SEMI S22, SEMI S14, SEMI S17, SEMI S28, SEMI S26等

請立即點擊上方圖片了解更多細節吧！

內容簡介

作者介紹

目錄

詳細資料

當人們研究人工智慧生成和檢測圖像的方式時，都需要明確一個研究主題。近期康奈爾大學的三位研究人員 Daniel V. Ruiz，Gabriel Salomon，Eduardo Todt 決定訓練人工智慧將長頸鹿的圖片轉化成鳥的圖片，用生成對抗網絡（GANs） 產生新數據來研究這種圖像到圖像轉換（image-to-image translation）。這篇論文還投中了 Computer on the Beach (COTB'20) 2020 會議。 論文地址：https://arxiv.org/abs/2001.03637 目前圖像到圖像轉換的應用已經比較廣泛，包括從衛星圖像生成地圖到僅從輪廓生成完整的服裝圖像。這篇論文研究將長頸鹿轉變為鳥其實頗具挑戰，因為兩種動物有不同的大小、紋理和形態。他們訓練了一個名為 InstaGAN 的無監督跨域轉換模型，讓它接受了大量長頸鹿和鳥的圖片訓練。 InstaGAN 由韓國科學技術院和浦項科技大學的研究人員在 2019 年提出，相關論文《InstaGAN: Instance-Aware Image-to-Image Translation》還被 ICLR2019 接收。 最後鳥類成品保留原始圖片的布局和背景，只是將長頸鹿直接轉換成鳥類。需要強調的是，生成的鳥並不存在，這僅僅是 InstaGAN 生造的結果。 ... 這次論文的創新點，用作者自己的話說就是，「我們這次沒有把蘋果變成橘子，而是把大象變成了香蕉」。因為之前無監督的圖像到圖像轉換，例子大多是將站著的獅子轉換為趴著，將貓轉化為狗，馬變成斑馬等，但這些訓練在比例、形狀都很相似，所以難度有所差異。 他們具體是怎麼做的呢？ 用於訓練 GAN 和生成相關的圖像有兩個數據集：COCO(Common objects in Context) 和 Caltech-UCSD Birds 200。COCO 數據集有超過 91 種類型的 328000 張圖片，作者們從中選了 2546 張和 101 張的長頸鹿圖片分別用於訓練和驗證，又從另一個主要涵蓋 200 多個種類的鳥數據集 Caltech-UCSD Birds 200-2011 中，八二分，選擇 80% 也就是 9414 張的鳥類圖片用於訓練，20% 也就是 374 張用於驗證。 每張圖片都能看到長頸鹿和鳥的輪廓。AI 主要工作是兩塊，一是把長頸鹿變成鳥，另一部分是判斷它看到的圖片是真的鳥還是假的長頸鹿—鳥。 接下來開始訓練。大多數參數與 InstaGAN 初始論文中一樣。通過雙線性插值（bilinear interpolation）將長頸鹿和小鳥數據集的圖像大小調整為 256x256 ，GPU 訓練花費了將近 3 周時間（如果用 2 個英偉達 RTX 2080 GPU，時間能減少到一周半)。 InstaGAN 在訓練中使用的 loss functions 包括：Least-squares GAN loss，cycle loss，context loss 和 identity loss，根據它們在最終結果中的重要性進行加權。cycle loss 權重最高。LSGAN 也是如此，因為它改善了收斂性，減少了可能消失的梯度問題（vanishing gradient issues），這需要超過 100 個 epoch 來實現良好的視覺效果和損失最小化。 在三周的訓練結束後，他們得到一個人造鳥圖集 FakeSet 。下圖顯示了圖像到圖像轉換的一些例子。 ... 可以看到原始圖像和蒙版，以及轉換之後的圖像和蒙版。請注意，姿勢、空間排列和背景是沒有改變的的。也就是說，InstaGAN 已經相當好地學會了轉換圖像，這些圖像中，長頸鹿幾乎沒有遮擋，都是側身站立，而在相同的位置上如今也產生鳥類。有意思的是，InstaGAN 學到了一個有趣的「欺騙」方法——生成深色的鳥，與淺色背景形成對比，如此能更好地騙過人類、機器鑑別者。 接下來讓我們來看看 InstaGAN 生成的成品圖。 ... 有些轉換的效果令人印象深刻。InstaGAN 學會了如何模糊頂部的風景，使它們看起來像微距鏡頭即使過渡的地方並不是十分絲滑，一隻長頸鹿的肩膀還在，但是 AI 巧妙地把它處理成了一塊石頭，希望你不會注意到。 背景模糊效果還不錯，在處理前景時，InstaGAN 造了一根木頭作為鳥的棲息處，並突出了樹枝、巖石裂縫等細節，也模糊了附近的鳥腳，整個效果比較自然。但有幾張圖片還能隱隱看到長頸鹿的肚子和腿，於是 InstaGAN 把它們變成了綠色，可能是希望能錯認是一片葉子之類的植物。 ... 當然很多時候轉換效果並不好。由於可能受到不尋常背景的影響，人工智慧沒有成功地改變圖像外觀。這裡也很明顯，人工智慧移除長頸鹿的一般策略是，將鳥的身體複製粘貼到長頸鹿的頭、脖子和肩膀部分，然後盡力隱藏長頸鹿的腿。如果帶著這樣的想法看上圖幾張照片，你會立刻發現長頸鹿的大長腿還在那裡，模型的多次失敗都與難以掩蓋的長頸鹿的腿有關。 為了評估生成的圖像的真實性和質量，作者進行了定性和定量分析。定性分析是，隨機挑選 FakeSet 335 張圖片去評估圖片，標準是轉換質量、輪廓和紋理幾項，選項只有兩個——"Good 或者 "Bad 。每個屬性的最終分數是 335 張圖片的平均分，用 0 到 1 之間的分數表示（ 0 表示質量差，1 表示質量好）。如果一個屬性的值等於 0.75 ，則意味著 3/4 的圖片在該屬性中表現良好，1/4 的圖片表現不佳。具體可見下表。 ... 為了進行定量分析，他們使用了一個預先訓練好的 Mask R-CNN（Mask Region-based Convolutional Neural Network）新生成的數據集 FakeSet ，對 2546 張圖片進行分析，評估結果是，289 幅圖片是垃圾（甚至沒有檢測到鳥類存在），717 幅不令人滿意（常用指標 F-score 低於 0.8 ），1540 幅令人滿意。F-score 遵循一個偏斜的正態分布，傾向於最佳分數。 ... 綜上，該論文結論是，FakeSet 實現了接近真實數據集的檢測和分割結果，雖然大多數圖像並不完全真實，但是正確轉化的比例也很高，檢測和分割結果也是高可信的（高於80%）。這說明生成的圖像足夠逼真，不管是肉眼難以察覺，也經得起最先進的深層神經網絡的檢驗。 雷鋒網雷鋒網雷鋒網

文章來源取自於：

壹讀 https://read01.com/nE2eOJn.html

博客來 https://www.books.com.tw/exep/assp.php/888words/products/0010637912

如有侵權，請來信告知，我們會立刻下架。

DMCA：dmca(at)kubonews.com

聯絡我們：contact(at)kubonews.com

嘉義橡膠加硫自動油壓機設備整改與改機符合CE認證高雄風力發電機械設備整改與改機符合CE認證高雄工業型電源供應器設備整改與改機符合CE認證桃園電梯(昇降機), 汽車用設備整改與改機符合CE認證
呼吸防護設備高雄CE認證測試單位 台北織布機自動大捲布裝置設備整改與改機符合CE認證N95口罩新竹CE認證測試單位 嘉義離解機設備整改與改機符合CE認證醫療口罩面罩高雄CE認證測試單位 台中刻溝及塗溝機設備整改與改機符合CE認證推薦電器安規CE輔導認證的檢驗公司 台南柑桔套袋、拆袋機〈自動化〉設備整改與改機符合CE認證