Google Cloud AutoML Vision
Clasificación de imágenes con Machine Learning
Como se mencionó en la lección anterior, Texty utilizó dos algoritmos diferentes en la producción de Leprosy of the Land.
Después de que el primer algoritmo les permitió dividir secciones de imágenes satelitales de bosques ucranianos en subsecciones visualmente uniformes, necesitaban un segundo algoritmo que pudiera identificar qué secciones de imágenes satelitales se parecían más a los ejemplos de imágenes existentes de la extracción de ámbar. Lo que necesitaban era un "clasificador personalizado".
Usar ejemplos etiquetados para aprender
Un clasificador personalizado es un tipo de modelo de aprendizaje automático que puede implementar cuando su caso de uso requiere que aplique etiquetas predefinidas para clasificar un conjunto de datos de imágenes que desea investigar.
En nuestro caso, esas etiquetas predefinidas son simples: "SÍ: esta imagen incluye elementos visuales consistentes con patrones que generalmente muestran actividad minera ámbar" y "NO: esta imagen no incluye elementos visuales que sugieran actividad minera ámbar".
Google Cloud AutoML Vision nos permite hacer precisamente eso. Aprenderemos a usarlo para realizar aprendizaje supervisado, es decir que entrenaremos un modelo de aprendizaje automático para aplicar las etiquetas SÍ y NO adecuadas a un conjunto de datos de imágenes que lo alimentarán.
Escoger un algoritmo
Como dijo Jeremy Merrill de Quartz AI Studio en su Crash Course in Classifying Text with Machine Learning, "para sus propósitos como periodista, no importa mucho qué algoritmo elija, siempre que elija un algoritmo que haga el tipo de cosas correcto ".
AutoML Vision no es la única herramienta que podemos utilizar para lograr nuestro objetivo. En realidad, no es el algoritmo que Texty utilizó durante su investigación. La razón por la que usamos AutoML Vision en este curso es su accesibilidad: no es necesario tener habilidades de programación para aprender cómo funciona y entrenar un modelo de alto rendimiento con tus datos.
Si ya tiene habilidades de programación y desea profundizar, eche un vistazo afast.ai's Practical Deep Learning for Coders.
Configurar su cuenta de Google Cloud
Para usar AutoML Vision, tendrá que sign up for a Google Cloud account. Al registrarse, se le otorgarán $300 de crédito para comenzar sus experimentos. Cada ejercicio de entrenamiento de un modelo de aprendizaje automatizado, como el que haremos en este curso, cuesta alrededor de $20. Siga esta guía paso a paso:
Haga clic en "Probar gratis" en "Comenzar con Google Cloud Platform" y siga las instrucciones para crear su cuenta.
Cuando haya creado la cuenta, abra el menú de navegación en el lado izquierdo de la página y desplácese hasta la parte inferior para encontrar "Visión" en la sección "Inteligencia artificial". Haga clic en "Panel de control".
Ahora ha accedido a su espacio de trabajo, que muestra las herramientas "Visión" de Google Cloud, incluida la que usaremos: “Clasificación de imágenes”. Haga clic en "Conjuntos de datos" en el menú de navegación en el lado izquierdo.
A continuación, haga clic en "Habilitar API de AutoML". El proceso puede tardar unos segundos. Luego, haga clic en "Comenzar".
En este punto, debería ver una pantalla mayormente en blanco, ya que aún no ha actualizado ningún conjunto de datos. Esto es lo que haremos en la próxima lección.
Avanzando
Ahora está listo para usar AutoML Vision. En el resto del curso, aprenderemos cómo usarlo para lograr nuestro objetivo: entrenar un modelo de aprendizaje automático para reconocer la minería ilegal de ámbar.
Este curso se ha producido con la colaboración de Texty y JournalismAI. Gracias a esta colaboración, podremos utilizar una muestra de las imágenes de satélite reales utilizadas por Texty mientras investigaba Leprosy of the Land.
Antes de seguir adelante, eche un vistazo a las otras herramientas de Inteligencia Artificial y Machine Learning que ofrece Google Cloud, incluidos el lenguaje natural, traducción, la conversión de voz a texto y la conversión de texto a voz, entre otros.
-
-
Más información sobre los bloqueadores de anuncios
LecciónRecupera los ingresos publicitarios perdidos debido a los bloqueadores de anuncios -
Project Shield: Defiéndete de la censura digital.
LecciónUna herramienta gratuita para proteger tu página de ataques de Denegación de Servicio (DDoS).