Возможно ли распознать травмированные участки кисти и выбрать соответствующий разрез на руке?

Question

[svzj95]

Доброго времени суток, я новичок в машинном обучении. Возможно стоит задача, чтобы распознавать травмы в определенной области кисти(например определенной фаланги пальца), и рисовать подходящий разрез.
Из этого исходит подзадачи:
1. Распознавание проблемной кисти и нет
2. Распознавание отдельного участка проблемной кисти
3. Выбор разреза для этого проблемного участка сети

1. Возникают вопросы, возможно ли решить данную задачу с помощью машинного обучения( возможно конкретные подзадачи)?
2. Есть ли какие то уже готовые инструменты для этого автоматические или полуавтоматические?
3. Возможно ли использовать данные модели на операционной системе Android?
4. Если задачу возможно сделать, что стоит почитать или посмотреть?

Answer 1

[GavriKos]

1. Да
2. Только библиотеки для построния систем
3. Да
4. Все что найдете по маширнлернингу

Возможно стоит задача

А может не стоит?

Comments

[svzj95]

Спасибо за ответ, возник еще вопрос, насколько большая нужна выборка изображений, чтобы получить приемлемый результат 70-80 процентов?

[GavriKos]

svzj95, никто вам так не ответит. Там факторов на это влияющих миллион с хвостиком

Answer 2

[rPman]

Все да, но готовых инструментов под конкретную задачу найти скорее всего не получится, то что гуляет в интернете хорошо для самообучения, но для дела все равно приходится ковыряться с конкретной задачей и ее особенностями.

Использование нейронных сетей не поддается четкому прогнозу. Нельзя заранее сказать что под эту задачу можно обойтись таким то объемом данных.

Обучение нейронных сетей это задача исследования, при этом если хочешь решать задачу по простому (не привнося в алгоритмы своих собственных знаний, реализуя их в классических детерменированных алгоритмах), то задача - с нуля! а значит данных должно быть не просто много,

а даже больше чем казалось бы требуется

Например недостаточно сети давать только котиков и собачек, если надо их находить, а возможно придется давать и рыбок, слоников и машинки, чтобы она в принципе могла бы решать задачу, а то найдет ваша сеть в качестве главного признака не форму или пропорции животного, а к примеру угол поворота головы (абстрактный пример - коты чаще будут смотреть в камеру а собаки в бок) или еще хуже, как оператор размечает вокруг животного квадратик, у кошечек левее пикселов чаще больше сделает и сеть тут же на этот принзак сагрится, т.е. дай сети еще и картинки без животного а в выходы добавь и этот результат.

И заказчику эту мысль донесите, что нейронные сети это про данные, правильный их подбор (например нельзя чтобы в обучающей выборке была только одна черная кошечка а все остальные - пятнистые, сеть может не принять этот признак и потом давать на таких ложный отказ) их обработку, разметку, внесение искажений и шумов (которые могут появиться в продакшене), типовой пример увеличения обучающей выборки за счет поворотов каждого изображения (например все 360 градусов по 2-5 и в догонку отражения и т.п. И денег на это может потратиться больше чем на собственно обучение нейросетей.

p.s. про детерменированные алгоритмы, если существует возможность упрастить жизнь нейросети, каким то другим алгоритмом выделив к примеру угол поворота изображения, поворачивая его всегда верно, то обучающую выборку можно уже не снабжать всеми поворотами, облегчая нагрузку на сам этап обучения