Quarky Machine Learning
配合 Pictoblox 編程及訓練網站 , Quarky 可以在無需額外配件的情況下做到 Machine Learing (機械學習) ,
從而分辨出不同物件/人臉 , 達致AI人工智能。
所需物料 :
Quarky x 1
Pictoblox x 1
具鏡頭的電腦 / 平板 x 1
Pictoblox link (如使用藍牙連接)
USB Type C (如使用USB連接)
連接 Quarky :
在上方工具列選取「Board」再選擇 Quarky 。
以 USB Type C 或藍牙連接你的 Quarky , 假如使用藍牙請開啟 Picotoblox link。
訓練 Quarky | 進行 Machine Learning :
首先加入 「Machine Learning」 Extension , 按下左下角的「+」號以進入 Extension 頁面。
加入後會出現 Machine Learning , 按「Create a Model」以進行訓練。
按下「Create a Model」會導航至「Teachable Machine」這個網頁 ;
選取「Image Project」, 訓練 Quarky 識別並區分圖像。
緊記選取「Standard image model」 , 這樣才能將 model 載入到 Picotoblox 。
可選擇「Webcam」或「Upload」來增加圖像樣本 , 「Webcam」是直接使用電腦 / 平板上的鏡頭拍攝 ;
「Upload」則上傳圖像 , 我們建議使用「Webcam」來上傳樣本 , 效率較高。
「Class」代表著物件(需區分的東西) , 假如你要區分多種物件 , 可以「Add a class」來增加。
長按「Hold to Record」便會保持記錄鏡頭前的圖像 ,建議以不同角度擺放樣本以增加準備性 ,
樣本數愈多精準度亦會愈高！
拍攝另一組樣本 , 建議選擇2種差異較大的樣本作區分。
按「Train Model」進行訓練(Machine Learning)
完成訓練後 , 可在網站測試準確度 ;
左圖是Class 2的樣本顯示 100% 正確 , 中間是 Class 1 的樣本顯示100%正確 ,
右圖並不是 Class 1或2的樣本 , 因此並沒出現某個 Class 100% , 只出現一些中間數值代表它被區分成其他東西
i.e. Class 1 , Class 2 以外的東西
測試完 Model 後選擇「Export Model」再點擊「Upload my model」,
目的是取得 model 的 shareable link 以在 Pictoblox中使用。
複製 shareable link 至 Pictoblox
點擊 「Load a Model」並貼上連結 , 選擇對應的 Model Type 再按「Load Model」
載入 Model 後會出現 Image Model 的 Blocks！
編程教學 :
首先加入「When Clicked」作 Input , 並加入「Open Recognition window」作圖像識別
按下綠色旗仔便會出現 Recognition Window , 可擺放 Class 1/2 的樣本到鏡頭前作出區分
加入 If , 並放進「is identified class from web camera in Class 1?」 ,
then 後則加入 「display 1 with .... at ... speed」, 當認出 Class 1 時 Quarky 便顯示 「1」
If then 可在 「Control」找到 , identified class 則是 「Machine Learning」的 Blocks ,
display 由 Quarky display 因此可在 「Display」找出它！
加入區分 Class 2 的編程 , 基本上跟 Class 1 無大分別。
進行測試 :
當 Pictoblox 辨識到 Class 1 或 Class 2 的物件時 , Quarky 便會顯示相對數字 。
以上的 Code 有什麼缺點 ? 或你在區分物件時有發現到問題嗎？
A : 當 Class 1/2 以外的東西放到鏡頭前 , 以上的編程會區分它成數值較高的那一個 Class
例如 : 早前的「奧巴馬」圖片為 Class 1 82% , 它便會區分成 Class 1。
進階編程 :
利用「Get confidence of class」來判斷輸入的圖象是什麼 , confidence of class 1/2 愈高代表它愈有機會是 class 1/2
綠色的比較 blocks 可以在「Operators」中找出 , default 為「 ___ > 50」
百分比代表 confidence的強度 , 換算到編程時需化作小數 i.e. 55% --> 0.55
加入第3類結果 :
利用「and」及比較來區分 class 1 , 2 以外的東西 ;
當兩者的 confindence 都小於 0.95時 (強度不足以區分成class 1/2) Quarky 便 display "what is this?"
整個編程 :
