Strojové učenie v cloude

Dávid Ilavský

Master's thesis

Strojové učení v cloudu

Anotácia:

Diplomová práce se zabývá použitím technologie cloud-based machine learning pro úlohu rozpoznávání obrazu. V úvodu teoretické části jsou popsány vlastnosti cloud computingu a charakteristiky jednotlivých distribučních modelů. Později jsou uvedeny jednotlivé oblasti cloud-based machine learning a vysvětlen je princip nabízených služeb dle konkrétních vrstev distribučního modelu. Dále autor popisuje principy fungování strojového učení a jeho algoritmů. Autor se podrobněji věnuje oblasti strojového učení, která pracuje s obrazem, a to počítačovému vidění. Popsaný je způsob fungování jakož i jednotlivé aplikace možného využití. V úvodu praktické části práce autor navrhuje architekturu realizovaného řešení klasifikace fotek bot podle jejich typu i spolu s celkovým end-to-end řešením. Navržena architektura sestává výhradně z cloudových služeb platformy Microsoft Azure. Autor v praktické části podrobně popisuje samotnou implementaci navrženého řešení. Ta sestává z vytvoření mobilní aplikace, pomocí které umí uživatel vyfotit boty, a která následně tyto fotky pošle na úložiště do cloudu. V rámci nadefinovaného workflow se pak zavolá vytvořen klasifikační model cloudové služby pro rozpoznávání obrazu, který určí, jaký typ boty se na fotce nachází. Součástí praktické části je také vytvoření webového portálu, který slouží na přehlednou evidenci, a který uživateli umožňuje prohlížet, vyhledávat a filtrovat vyfocené boty na základě jejich typu. Tento portál pracuje s informacemi získanými z výstupu klasifikačního modelu. V poslední sekci praktické části autor vytváří stejný klasifikační model za využití služby Google Cloud AutoML Vision. Cílem je porovnání přesnosti a kvality takového modelu s modelem vytvořeným službou Microsoft Custom Vision.

Abstract:

The diploma thesis focuses on the use of cloud-based machine learning technology for the image recognition task. The introduction of the theoretical part describes the characteristics of cloud computing and its distribution models. Later, the specific areas of cloud-based machine learning are presented and the principles of services offered in accordance to specific layers of the distribution model are explained. Furthermore, the author describes the principles of machine learning and its algorithms. The author focuses more on the field of machine learning, that works with images - computer vision. The principles as well as possible applications are described. In the introduction to the practical part of the thesis, the author proposes the architecture of the fully end-to-end solution for the classification of photos of shoes based on their type. The proposed architecture consisted exclusively of cloud services of the Microsoft Azure platform. In the practical part, the author describes in detail the implementation of the proposed solution. The solution consists of creating a mobile application that allows the user to take pictures of the shoes which are then sent to the cloud storage. As part of the defined workflow, the built classification model of the cloud service for image recognition is then called, which determines what type of shoe is in the photo. Part of the practical part was also the creation of a web portal, which allows the user to view, search and filter the photos of shoes based on their type. This portal works with information obtained from the output of the classification model. In the last section of the practical part, the author creates the same classification model using the Google Cloud AutoML Vision service. The goal is to compare the accuracy and quality of such a model with the model created by Microsoft Custom Vision.

Abstract:

Diplomová práca sa zaoberá použitím technológie cloud-based machine learning pre úlohu rozpoznávania obrazu. V úvode teoretickej časti sú popísané vlastnosti cloud computingu a charakteristiky jednotlivých distribučných modelov. Neskôr sú uvedené jednotlivé oblasti cloud-based machine learningu a vysvetlený je princíp ponúkaných služieb podľa konkrétnych vrstiev distribučného modelu. Ďalej autor popisuje princípy fungovania strojového učenia a jeho algoritmov. Autor sa podrobnejšie venuje oblasti strojového učenia, ktorá pracuje s obrazom, a to počítačovému videniu. Popísaný je spôsob fungovanie ako aj jednotlivé aplikácie možného využitia. V úvode praktickej časti práce autor navrhuje architektúru realizovaného riešenia klasifikácie fotiek topánok podľa ich typu aj spolu s celkovým end-to-end riešením. Navrhnutá architektúra pozostáva výhradne z cloudových služieb platformy Microsoft Azure. Autor v praktickej časti podrobne opisuje samotnú implementáciu navrhnutého riešenia. Tá pozostáva z vytvorenia mobilnej aplikácie, pomocou ktorej vie užívateľ odfotiť topánky, a ktorá následne tieto fotky pošle na úložisko do cloudu. V rámci nadefinovaného workflow sa potom zavolá vytvorený klasifikačný model cloudovej služby pre rozpoznávanie obrazu, ktorý určí, aký typ topánky sa na fotke nachádza. Súčasťou praktickej časti je tiež vytvorenie webového portálu, ktorý slúži na prehľadnú evidenciu, a ktorý užívateľovi umožňuje prezerať, vyhľadávať a filtrovať odfotené topánky na základe ich typu. Tento portál pracuje s informáciami získanými z výstupu klasifikačného modelu. V poslednej sekcii praktickej časti autor vytvára rovnaký klasifikačný model za využitia služby Google Cloud AutoML Vision. Cieľom je porovanie presnosti a kvality takéhoto modelu s modelom vytvoreným službou Microsoft Custom Vision.

Kľúčové slová

strojové učení v cloudu, cloud technologie, vlastní model, rozpoznávání obrazu, klasifikace více tříd, automatizované strojové učení, strojové učení, učení s učitelem

Keywords

supervised machine learning, custom model, multiclass classification, cloud-based machine learning, automated machine learning, cloud computing, machine learning, image recognition

Kľúčové slová

strojové učenie v cloude, cloud technológie, strojové učenie, rozpoznávanie obrazu, učenie s učiteľom, klasifikácia viacerých tried, automatizované strojové učenie, vlastný model

Jazyk práce: Slovak

Datum vytvoření / odevzdání či podání práce: 15. 1. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 27. 1. 2021
• Vedúci: Ota Novotný
• Oponent: Jan Pour

Vysoká škola ekonomická v Praze

Master programme / odbor:
Aplikovaná informatika / Informační systémy a technologie