【51CTO.com原創(chuàng)稿件】圖像學(xué)習(xí)是一種精巧的算法，其對(duì)圖像的高適應(yīng)性，為很多產(chǎn)業(yè)變革帶來了質(zhì)變。然而對(duì)于企業(yè)來講，找到能夠熟練掌握深度學(xué)習(xí)的人才，來調(diào)整圖像學(xué)習(xí)參數(shù)是很難的，加上數(shù)據(jù)科學(xué)家團(tuán)隊(duì)昂貴的人力資源成本，很多中小企業(yè)望而卻步。然而，企業(yè)對(duì)于通過圖像識(shí)別適配行業(yè)解決一些痛點(diǎn)的需求是持續(xù)存在的。

百度EasyDL是百度公司為沒有算法基礎(chǔ)的開發(fā)者和企業(yè)提供的AI圖像識(shí)別方案，其具備少數(shù)據(jù)量、易于操作、快速訓(xùn)練圖像識(shí)別類AI模型的優(yōu)勢(shì)。EasyDL讓中小型企業(yè)及個(gè)人可以在很短的時(shí)間獲得AI能力，將圖像識(shí)別投入到生產(chǎn)或者興趣制作之中，它可作為一套優(yōu)秀技術(shù)解決方案的基石。

圖像特征學(xué)習(xí)算法是從傳統(tǒng)圖像模式識(shí)別算法中衍生的新型算法，其算法原型借鑒于Leica Biosystems的下屬品牌Aperio系列軟件Image Analysis，是非常成熟的Image Analysis的模式識(shí)別算法的迭代進(jìn)化算法。目前特征學(xué)習(xí)算法在臨床無染色尿沉渣檢驗(yàn)醫(yī)療器械產(chǎn)品中被越來越多的應(yīng)用。

在使用傳統(tǒng)或是AI的單一算法過程中，無論哪種算法我們都無法讓系統(tǒng)自行證明結(jié)果的正確性，但當(dāng)引入競(jìng)爭(zhēng)算法時(shí)，通過兩種AI算法可以相互論證結(jié)果正確性。

傳統(tǒng)單一AI算法無法指出自身的識(shí)別錯(cuò)誤，往往需要人工復(fù)查每一個(gè)結(jié)果;而對(duì)抗算法可以有效的解決這一問題，人工只需要仲裁兩種AI的差異結(jié)果，即可完成正確的應(yīng)用過程中推理。而仲裁結(jié)果在完全自主對(duì)抗系統(tǒng)中，會(huì)將仲裁結(jié)果重新加入訓(xùn)練集，進(jìn)而進(jìn)化兩種AI的準(zhǔn)確性，這樣避免了單一AI算法的過學(xué)習(xí)，也提高了AI的準(zhǔn)確性。

因此，我嘗試把EasyDL與特征學(xué)習(xí)互相對(duì)抗，它們均具備良好的易操作性，較少的樣本量;且EasyDL與圖像特征學(xué)習(xí)算法互通用學(xué)習(xí)樣本、樣本采集及標(biāo)注工具，故可相互形成對(duì)抗互校，形成更高形態(tài)的AI學(xué)習(xí)，在互相較量中形成更為精準(zhǔn)的識(shí)別模型，不僅可滿足企業(yè)通過圖像學(xué)習(xí)解決實(shí)際問題的需求，而且可以得到較高的識(shí)別效果。

下面就以臨床檢驗(yàn)的數(shù)據(jù)，按照?qǐng)D像模型制作的8個(gè)步驟，來做對(duì)抗的詳細(xì)說明：

特征學(xué)習(xí)從原始圖像中制作成可用于訓(xùn)練的圖像模型，需如下八個(gè)步驟：圖像增強(qiáng)、圖像切割、圖像標(biāo)注、圖像清洗、訓(xùn)練可用性審核(圖像審核)、單種類特征模型學(xué)習(xí)、多種類特異性特征學(xué)習(xí)、訓(xùn)練模型注入到作業(yè)程序。

EasyDL與特征學(xué)習(xí)的訓(xùn)練方式基本互通，只是單種類特征模型學(xué)習(xí)與多種類特異性特征學(xué)習(xí)過程中，EasyDL是由深度學(xué)習(xí)作為其中多個(gè)邏輯層，自主完成計(jì)算。

在訓(xùn)練模型注入到作業(yè)程序環(huán)節(jié)中，特征學(xué)習(xí)依靠本地內(nèi)網(wǎng)系統(tǒng)優(yōu)勢(shì)自動(dòng)完成，而EasyDL提供API接口及本地化識(shí)別SDK完成部署。

EasyDL與特征學(xué)習(xí)的對(duì)比

1) 圖像增強(qiáng)

特征學(xué)習(xí)提供比較適合臨床檢驗(yàn)鏡下圖像的“L30圖像增強(qiáng)”，用來調(diào)整圖像增強(qiáng)參數(shù)，以獲得更好的圖像特征。增強(qiáng)后的圖像比增強(qiáng)前的圖像更加清晰，細(xì)胞內(nèi)紋路更加鮮明，背景更加純正，但有時(shí)也會(huì)遇到過增強(qiáng)，所以要適配顯微鏡和攝像頭參數(shù)來進(jìn)行調(diào)節(jié)。

2) 圖像切割、圖像分類、圖像標(biāo)注。

圖像切割也可以使用特征學(xué)習(xí)的快速切割分類標(biāo)注軟件“L31圖像標(biāo)注”系統(tǒng)來完成。L31的使用非常便利，只需要圈選單個(gè)細(xì)胞，再點(diǎn)擊細(xì)胞分類，L31就會(huì)自動(dòng)完成圖像切割，并自動(dòng)命名為標(biāo)注名稱，并上傳至內(nèi)網(wǎng)圖像數(shù)據(jù)服務(wù)器“HomeShip\FH\細(xì)胞名稱\”之中。

EasyDL的訓(xùn)練圖像需要上傳至百度的平臺(tái)中，所以要在圖像清洗作業(yè)之后，將每一類細(xì)胞、結(jié)晶、管型、真菌單獨(dú)上傳即可，可以在EasyDL中直接標(biāo)注，也可以API上傳標(biāo)注后的訓(xùn)練數(shù)據(jù)。

特征學(xué)習(xí)自帶的圖像切割、分類、標(biāo)注系統(tǒng)

百度EasyDL的數(shù)據(jù)操作界面

3) 圖像清洗：

圖像清洗的目的在于清除掉與目標(biāo)對(duì)象無關(guān)的圖像信息，讓訓(xùn)練模型減少干擾訓(xùn)練的因素。“L33特征學(xué)習(xí)系統(tǒng)”自帶圖像修正工具，可以簡(jiǎn)單高效的處理訓(xùn)練圖像，將無效信息去除。修圖過程僅需要幾步：

1. 點(diǎn)擊兩次“闊邊”，擴(kuò)大邊界范圍

2. 點(diǎn)擊“標(biāo)記背景”，讓AI能夠獲知背景色，(小紅框)

3. 點(diǎn)擊“涂抹”擦掉無效的雜色與雜質(zhì)

4. 點(diǎn)擊“收邊”，盡可能將細(xì)胞主體放置在圖像中央

5. 點(diǎn)擊“保存圖像”，進(jìn)行保存

此內(nèi)置圖像修正工具，一般修正一張圖像僅需要10秒鐘。

4) 圖像訓(xùn)練，EasyDL圖像上傳與審核：

首先是在http://ai.baidu.com/easydl/ 注冊(cè)或登錄，點(diǎn)擊開始訓(xùn)練，具體見百度官方說明，然后，創(chuàng)建模型，填寫模型名稱等相關(guān)信息。

點(diǎn)擊“開始訓(xùn)練模型”， 選擇 “圖像分類”或“物體檢測(cè)”模型進(jìn)行訓(xùn)練

接下來，以物體檢測(cè)模型為例，詳細(xì)介紹使用步驟：

***步：創(chuàng)建模型。自定義模型名稱

會(huì)生成剛剛創(chuàng)建的模型并顯示模型ID

第二步：創(chuàng)建數(shù)據(jù)集。我們可以自主將剛剛通過特征學(xué)習(xí)處理的一個(gè)子類名稱，命名數(shù)據(jù)集名稱。這里創(chuàng)建了兩個(gè)數(shù)據(jù)集，正常紅細(xì)胞與正常白細(xì)胞，創(chuàng)建后點(diǎn)擊右側(cè)的“標(biāo)注/上傳”，導(dǎo)入數(shù)據(jù)圖像。需要注意的是每次只能上傳20張圖像。因?yàn)樗蟼鞯膱D集都是特征學(xué)習(xí)切割后的圖像，所以不會(huì)受到EasyDL的圖像大小限制。

上傳數(shù)據(jù)后進(jìn)行數(shù)據(jù)標(biāo)注，點(diǎn)擊添加標(biāo)簽，框選特征圖像，設(shè)定標(biāo)簽名稱并保存，“BLC”為白細(xì)胞(主要為中性粒細(xì)胞)。紅細(xì)胞及晶體標(biāo)簽方法等同白細(xì)胞，不再贅述。

值得一提的是，對(duì)于數(shù)據(jù)量特別多的模型，EasyDL最近還推出了“智能標(biāo)注”的功能，只需在“數(shù)據(jù)集標(biāo)注/上傳”的這一步驟中點(diǎn)擊“智能標(biāo)注”按鈕即可開啟。這個(gè)功能會(huì)自動(dòng)篩選出對(duì)提升模型效果來說比較重要的圖片進(jìn)行優(yōu)先標(biāo)注，并對(duì)其余圖片進(jìn)行預(yù)標(biāo)注，可以大大提升整個(gè)數(shù)據(jù)標(biāo)注過程的效率，還是非常方便的。

第三步：訓(xùn)練模型。數(shù)據(jù)集上傳完畢，點(diǎn)擊左部導(dǎo)航條“訓(xùn)練模型”選項(xiàng)，以紅細(xì)胞為例，選擇訓(xùn)練紅細(xì)胞數(shù)據(jù)集。“離線識(shí)別SDK”選項(xiàng)不需要勾選，因?yàn)閷?duì)抗訓(xùn)練是基于端與云的雙平臺(tái)系統(tǒng)對(duì)抗。如果是沒有網(wǎng)絡(luò)環(huán)境下使用，可以勾選訓(xùn)練離線SDK。之后我們需要等待一定時(shí)間，讓百度強(qiáng)大的云平臺(tái)自行訓(xùn)練。本次訓(xùn)練約1.5小時(shí)。

第四步：模型校驗(yàn)。訓(xùn)練完成后，點(diǎn)擊左側(cè)導(dǎo)航欄校驗(yàn)?zāi)Ｐ汀?/p>

第五步：模型發(fā)布。校驗(yàn)?zāi)Ｐ托Ч梢詽M足使用后，點(diǎn)擊提交模型上線申請(qǐng)，大約1個(gè)工作日內(nèi)就可以完成模型審核，通過后可進(jìn)行模型部署上線。

特征學(xué)習(xí)圖像審核：

特征學(xué)習(xí)圖像訓(xùn)練需要使用“L33圖像學(xué)習(xí)系統(tǒng)”，其由五部分構(gòu)成：特征提取方法編輯器、圖像目錄、可訓(xùn)練圖像清單、特征指標(biāo)清單、單指標(biāo)計(jì)分與學(xué)習(xí)狀況。特征基礎(chǔ)元素由特征方法編輯器控制，一般不建議修改。

圖像單體訓(xùn)練：

1.首先通過圖像目錄確認(rèn)訓(xùn)練圖集的路徑;

2.***次訓(xùn)練點(diǎn)擊“全否”，然后點(diǎn)擊紅色按鈕“開始訓(xùn)練”;

3.每次會(huì)自動(dòng)識(shí)別訓(xùn)練圖片的細(xì)胞邊緣，需要醫(yī)師確認(rèn)輪廓是否囊括整個(gè)細(xì)胞，如果囊括則點(diǎn)擊“是“，則進(jìn)行下一圖訓(xùn)練。

4.訓(xùn)練完成后會(huì)提示完成，“L33圖像學(xué)習(xí)系統(tǒng)”會(huì)自動(dòng)計(jì)算出學(xué)習(xí)的結(jié)果于“特征指標(biāo)清單”之中，可以點(diǎn)擊查看;

5.對(duì)于不可用的圖像可以點(diǎn)擊“否”，進(jìn)行暫停修正作業(yè)，或刪除、或繼續(xù)修改;

6.“L33圖像學(xué)習(xí)系統(tǒng)”會(huì)自動(dòng)將打勾的圖像默認(rèn)為可用圖像，所以不會(huì)彈出選項(xiàng)。

特異性訓(xùn)練：

調(diào)整權(quán)值：在特征指標(biāo)清單中，可以根據(jù)待識(shí)別分型的特性，對(duì)特征指標(biāo)進(jìn)行選擇;未被選擇的指標(biāo)不會(huì)參與計(jì)算。例如紅細(xì)胞的體積和周長(zhǎng)在一定范圍，所以可被使用，而晶體沒有大小限制，卻有自身形狀和色彩的區(qū)別，因而可以使用特殊色系指標(biāo)。

每種指標(biāo)有各自的權(quán)重，點(diǎn)擊指標(biāo)后，可以選擇權(quán)重狀況。系統(tǒng)會(huì)根據(jù)權(quán)重選項(xiàng)的不同，自動(dòng)計(jì)算出指標(biāo)權(quán)重檔位，并在下次計(jì)算中，規(guī)劃計(jì)分標(biāo)準(zhǔn)。權(quán)重不同，計(jì)分棒的粗細(xì)也會(huì)不同，但是計(jì)分只會(huì)在下次訓(xùn)練中更新。

當(dāng)調(diào)整了權(quán)重后，再次點(diǎn)擊紅色按鈕“開始訓(xùn)練”，則程序會(huì)在3~5分值內(nèi)快速完成對(duì)新指標(biāo)的識(shí)別模型。

測(cè)試識(shí)別：測(cè)試識(shí)別依賴于“L35圖像識(shí)別系統(tǒng)”，L35是root主系統(tǒng)的后臺(tái)系統(tǒng)，所以沒有操作界面，需要依賴指令打開;但我們提供了L35的測(cè)試指令文件。

測(cè)試模式下，L35不會(huì)對(duì)細(xì)胞種類進(jìn)行判定，而是將每一個(gè)細(xì)胞，針對(duì)該類型的識(shí)別計(jì)分進(jìn)行展示，一般情況下，符合識(shí)別模型(編號(hào)02為白細(xì)胞)為正數(shù)，不符合及圖像質(zhì)量欠佳的為負(fù)數(shù)，圖中白細(xì)胞基本為正數(shù)，不符合的均為負(fù)數(shù)。

偶爾情況下，你粘連圖像會(huì)為正數(shù)，此種狀況，只需要在尿沉渣主系統(tǒng)中，修改識(shí)別計(jì)分范圍即可，或在提取方法中，引用圖像分割函數(shù)。如果識(shí)別狀況仍然不滿意，可以通過調(diào)整權(quán)重實(shí)現(xiàn)精確控制識(shí)別，可以多嘗試幾次，即可成功。

正式識(shí)別程序，是由尿沉渣主系統(tǒng)控制并調(diào)用，識(shí)別結(jié)果會(huì)顯示在尿沉渣主系統(tǒng)之中。在主系統(tǒng)正式識(shí)別操作中，對(duì)于錯(cuò)誤的標(biāo)注進(jìn)行修改，系統(tǒng)會(huì)將被修改細(xì)胞圖自動(dòng)歸納為新的學(xué)習(xí)樣本，在下一次系統(tǒng)學(xué)習(xí)中，即可實(shí)現(xiàn)自我的升級(jí)迭代。

EasyDL的模型部署：

當(dāng)EasyDL模型審核通過之后，我們有兩種方法使用EasyDL的識(shí)別，一種是使用“體驗(yàn)H5”，生產(chǎn)H5的二維碼，上傳圖像進(jìn)行識(shí)別。另外還可以通過直接調(diào)用模型的API接口來實(shí)際測(cè)試效果。

對(duì)抗算法的實(shí)現(xiàn)：

EasyDL支持部署在iOS、安卓系統(tǒng)、Windows、Linux系統(tǒng)的端設(shè)備之中，可實(shí)現(xiàn)雙前端AI對(duì)抗驗(yàn)證。

EasyDL與特征學(xué)習(xí)目前的對(duì)抗，主要體現(xiàn)在錯(cuò)誤識(shí)別的相互指正，然后通過人為分析結(jié)果，將錯(cuò)誤的圖像，重新加入到訓(xùn)練模型的數(shù)據(jù)集之中，讓模型實(shí)現(xiàn)疊代。目前，對(duì)抗訓(xùn)練仍是需要采用手工完成。

多種AI算法/產(chǎn)品相互的優(yōu)劣勢(shì)在臨床檢驗(yàn)?zāi)虺猎械谋容^：

EasyDL與特征學(xué)習(xí)目前各自的優(yōu)劣勢(shì)：

EasyDL是百度出品的高級(jí)AI算法，其定位是易于訓(xùn)練的深度學(xué)習(xí)圖像識(shí)別模型訓(xùn)練平臺(tái)。其具備非常強(qiáng)的泛化識(shí)別能力、更簡(jiǎn)便的圖像計(jì)數(shù)和物體識(shí)別解決方案的部署能力，同時(shí)依賴于百度強(qiáng)大的云平臺(tái)訓(xùn)練，節(jié)約了企業(yè)對(duì)于訓(xùn)練服務(wù)器的投入、深度學(xué)習(xí)人才的投入，讓企業(yè)更加專注于業(yè)務(wù)產(chǎn)品化。

由于EasyDL對(duì)于訓(xùn)練圖像尺寸與大小的限制，在一些特定場(chǎng)景使用時(shí)，例如工業(yè)及臨床顯微中，過GB存儲(chǔ)量的圖像，就需要切分后來實(shí)現(xiàn)大型圖像的訓(xùn)練和識(shí)別。對(duì)于醫(yī)療顯微、工業(yè)掃描作業(yè)中，是可以通過上下游的圖像處理系統(tǒng)進(jìn)行適配作業(yè)。

EasyDL增加了主要平臺(tái)的兼容能力，如iOS、安卓、Windows、Linux等。在WIN平臺(tái)上，也可以很好的通過winAPI對(duì)第三方軟件進(jìn)行智能化二次開發(fā)，因此降低了企業(yè)的開發(fā)難度。

EasyDL現(xiàn)已完全具備生產(chǎn)力轉(zhuǎn)化作業(yè)能力，也正是工業(yè)與醫(yī)療領(lǐng)域所需要的得力圖像識(shí)別內(nèi)核系統(tǒng)。

特征學(xué)習(xí)的劣勢(shì)在于過度需要依賴圖像切割算法，面對(duì)較為復(fù)雜的圖像，因?yàn)椴荒芮懈畛鰝€(gè)體圖像，而無法識(shí)別;所以特征學(xué)習(xí)只能局限于特定的離散類型圖像：臨床細(xì)胞學(xué)、組織學(xué)、工業(yè)顆粒物檢測(cè)、流水線質(zhì)檢等。而在模型泛化的角度上看，特征學(xué)習(xí)完全是針對(duì)某一應(yīng)用的定制模型，無法具備泛化能力。

任何AI技術(shù)均為人工智能的一個(gè)角度，均不能獨(dú)立解決行業(yè)應(yīng)用的復(fù)雜問題，所以需要相互補(bǔ)償各自的缺點(diǎn)，才能走的更遠(yuǎn)。

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】