肖恩·库萨克(Sean Cusack)担任后院养蜂人已有10年了，而修修补补者的时间则更长。这就是他和昆虫学家的朋友谈论如何建立预警系统，以警告蜂房主人潜在的灾难性威胁。

他们设想在蜂巢的入口处安装一个运动传感器激活的摄像头，并使用机器学习来远程识别螨虫，黄蜂或什至是亚洲巨型大黄蜂等入侵者何时进入。

库萨克说：“像这样的威胁可能会在几个小时内杀死你的蜂巢，这将使比赛结束。” “但是，如果您知道发生这种情况的十分钟之内并且可以走到那里并介入其中，那么您就有可能营救整个殖民地。”

直到Cusack听说了Lobe(一款旨在使人们更容易使用机器学习并帮助他们无需编写代码即可训练模型)的应用程序，他才看到了一种可管理的方式将项目付诸实践。

微软软件工程师Cusack表示：“我非常精通技术，但是当我过去尝试进行一些机器学习时，发现将所有难题组合在一起非常吓人或不知所措。”通常在企业网站开发中工作的人。“ Lobe立即为我点击。”

微软今天在公共预览版中提供了这个免费的应用程序，它可以帮助没有数据科学经验的人们将图像导入Lobe，并轻松地标记它们以创建机器学习数据集。Lobe会自动选择正确的机器学习架构，并无需任何设置或配置即可开始培训。用户可以通过实时视觉结果评估模型的优缺点，使用模型并提供反馈以提高性能。

微软表示，如今，Lobe支持图像分类，但计划将来扩展到其他模型和数据类型。

训练完成后，可以轻松导出模型以在行业标准平台上运行并在应用程序，网站或设备中工作。这样一来，人们就可以在家中或工作场所中创建端到端的机器学习解决方案，例如在居民浣熊收到垃圾时发出警报，或者在处于危险状况的员工不戴头盔时发出警告。

早期的客户包括The Nature Conservancy，该公司将Lobe应用程序用作大型项目的一部分，以映射和保护加勒比海洋资源，并找出来往该地区的游客上传的哪些度假照片与赏鲸和观看海豚有关。

Lobe将机器学习的过程简化为三个简单的步骤：收集和标记图像，训练模型并了解其结果以及进行改进。图片来源：Mike Matas，微软。

其他客户使用Lobe开发的应用程序可以帮助识别远足中的毒橡树等有害植物，或者在意外打开车库门或房屋门前的停车位打开时使用摄像头发送警报向上。

微软于2018年收购并开始孵化的Lobe经理Bill Barnes说：“ Lobe正在采用复杂而复杂的技术，并使其变得有趣起来。我们发现，它启发了人们。充满信心，他们可以实际使用机器学习。当您充满信心时，您就会变得更有创造力，开始环顾四周，问：“我还能做什么呢?””

Lobe可在Windows或Mac计算机上下载，它使用开源机器学习体系结构并通过转移学习来在用户自己的机器上训练自定义机器学习模型。所有数据均保持私有状态，无需互联网连接或登录。由于培训是自动进行的，因此人们可以仅从导入他们希望Lobe识别的事物的图像开始。

在Cusack的蜂箱项目中，他在最新的Microsoft Hackathon上证明了这一点，他使用了运动传感器摄像头拍摄蜜蜂飞进蜂巢时的蜜蜂以及黄蜂，was和巨大的亚洲大黄蜂等入侵者的照片。由于在野外见不到大黄蜂的情况仍然很少，因此Cusack打印出图片，将其粘贴在木棍上，然后将其粘贴在蜂箱中，以模仿入侵威胁。

洛伯(Lobe)使用这些图像创建了一个机器学习模型，该模型可以区分不同的昆虫，并在蜂巢的入口处的小型Raspberry Pi设备上运行，以警告所有者遇到麻烦。

微软称，Lobe吸引了客户，他们寻求一种简单快捷的方法来开始使用PC或Mac进行机器学习，而无需依赖于云。它为希望利用云计算功能的客户提供了Azure AI服务的补充。

Lobe高级项目经理Jake Cohen说：“我们真的想让更多的人能够利用机器学习并进行首次尝试。” “我们希望他们能够以他们以前无法或无法意识到的方式使用它。”

大自然保护协会正在利用Lobe来支持其“绘制海洋财富”项目，该项目旨在绘制旅游，捕鱼和其他活动如何以及在哪里影响潜在的重要海洋资源的图谱，目的是帮助五个加勒比海国家的官员进行更加明智的保护和经济发展。决定。

这家非营利组织正在使用Lobe标记度假照片，这些照片描述了那些国家的游客已上传到热门旅游网站的鲸鱼或海豚观赏活动。这些照片被去除了所有个人信息，但保留了地理数据，这可以帮助决策者大致了解那些基于自然的旅游活动在不同位置的受欢迎程度。

“有很多好的钓鱼地图，很多好的航运地图和地图显示了不同栖息地的位置。但是，要捕捉游客在做什么，在哪里和以什么强度进行的空间格局实际上是非常困难的，”他说。大自然保护协会海洋地图协调员凯特·朗利·伍德(Kate Longley-Wood)。“因此，我们发现这些众包数据集对于填补这些空白确实很有帮助。”

在使用Lobe之前，The Nature Conservancy必须与数据科学研究人员和学生签约，以创建一个定制的机器学习模型，该模型可以识别与珊瑚礁互动的游客。但是Lobe允许非营利组织使用没有编程或数据科学经验的员工在家做同样的工作。

为了训练模型，Longley-Wood收集了两组图像并将其导入Lobe。首先是“鲸鱼和海豚观赏”假期照片，这些照片显然是从事这些活动的人的。第二个图像包含“不是鲸鱼或海豚”的图像-开阔水域，其他类型的船和浮潜的人的图像。

Longley-Wood说，Lobe的优点之一就是很容易看到模型出了什么问题，并可以快速提高其准确性。如果模型感到困惑，并且错误地将在船旁游泳的人的照片标记为赏鲸照片，则可以单击按钮进行纠正。

另一个早期客户Chris Cachor是Ansira专注于汽车营销的公司Sincro的软件工程师。他帮助当地的汽车经销商从社交媒体广告中获得最佳效果。

Cachor说，人们不太可能选择带有待售汽车模型图片的广告，而不是出现在整车上的真实照片。他说，然而，用于标记通用汽车照片的脚本并不总是能够跟上日益复杂的计算机生成的图像。

Cachor表示，他曾考虑过使用机器学习来自动完成该任务，但是他所使用的工具似乎过于繁琐且费时。使用Lobe，他能够导入和标记股票示例，计算机生成的和真实的汽车图像。在几分钟之内，他有了他的第一个计算机视觉模型版本，以清除不太可能在广告中表现良好的照片。

Cachor说：“看到结果很快就很酷，而不必成为一个为期一周的学术项目。” “这真的使您从零增加到60。”

标签： 海洋测绘仪