faq projekt

by

Projektet

Hur lär sig ett neutralt nätverk, NN?

Först är det aktivt tränat (supervised learning) av en deep learning professionell utvecklare med tillgång till ett stort antal data. (Manuellt markerade regioner från vår databas Tagger). Förenklat kan man säga att vi visar NN ett bi med och utan varroa och låter NN gissa vilket som är vilket. Om det gissar fel talar vi om det. Det kommer då att göra små förändringar i sin tolkning. Genom att göra detta hundratusentals gånger lär sig NN mycket abstrakta egenskaper och blir småningom skickligare och mycket snabbare än en människa på att identifiera varroa.
Detta är dock en mycket förenklad bild av vad som pågår. I verkligheten är ett NN en komplicerad process som är svår att kontrollera och som kan utföras på många olika sätt. En av de första milstolparna för utvecklingsteamet var att finna de mest optimala processerna för denna specifika uppgift. Att hitta mycket små objekt i en enorm mängd information.

Vad händer om ni inte får tillräckligt med underlag att träna på?

Med crowdsourcing kampanjen på Kickstarter erhölls resurser att utveckla Tagger. Vårt verktyg för att samla in och strukturera bilder i en databas. Bilderna analyseras manuellt i Tagger och regioner med objekt av intresse markeras, bi med varroa, bin med DWV etc. Regionerna används sedan av NN för dess träning.
Vi har hittills samlat över 4000 bilder och markerat över 3000 regioner. Med appen kommer nytt material och data att kunna samlas för den fortatta utvecklingen och träningen av NN.

Kan utvecklingsteamet verkligen klara detta som inga andra gjort?

Teamets medlemmar har mer än 15 års erfarenhet av utvecklingsarbete i komplexa system. Teamet leds av Emil Romanus owner and CEO Teorem AB . Romanus är veteran inom mobil och tech-industrin och har bidragit till utveckling av världsunika framgångar, exempelvisdet komplexa 3D och fysiksimuleringsspelet “Apparatus” 2011. Romanus och hans team har under senare år fokuserat på deep learning och har gjort stora investeringar i hårdvara, forskning och utbildning.

Har utvecklingsteamet erfarenhet av liknande lösningar?

Romanus’ team har arbetat med flera andra företag och löst liknande frågor. Senast med ett brittiskt företag för identifiering och rapportering av förekomst av företags logos och varumärken i fotografier. En uppgift minst lika komplex som att hitta parasiter på bin. Att bygga appen, infrastrukturen och annan mjukvara som behövs i projektet är en trivial uppgift för teamet.

Varför har inte detta gjorts tidigare?

Hårdvaran och mjukvaran har inte funnits tidigare! Och idén var troligen för långsökt för att tas seriöst! Teorem har hårdvaran och kunskaperna om teknologin. Innovatören Björn Lagerman har en lång erfarenhet av att kombinera kunskap från olika områden i nya kreativa lösningar samt erfarenhet av att leda komplexa projekt.

Kan jag ladda upp bilder utan appen?

Ja gärna, samla bilder, särskilt från yngelramar och med varroa på bin. Lägg upp dom på http://tagger.beescanning.com och bidra genom att tagga intressanta regioner.

How is the project financed?

Vi fick resurser via en crowdfunding kampanj på Kickstarter. Dessa användes för att utveckla Tagger. Därefter har vår viktigaste finansiär varit Europeiska Innovations Programmet, EIP via Jordbruksverket. Projektet har även fått avgörande stöd via Almi Örebro och Handelsbanken Lindesberg. Se mer på http://fribi.se/sponsorer/

%d bloggare gillar detta:
PageLines