הרצאת מבוא: למידה עמוקה – עבר, הווה ועתיד
ערן פז, CTO, חברת VizScribe

על אף שלמידה עמוקה קיימת כבר מעל ל-20 שנה, היא צברה פופולאריות רק בשנים האחרונות. Alexnet שהתפרסמה בסוף 2012 נחשבת כיום להיסטוריה רחוקה בתחום בו אפליקציות חדשות וארכיטקטורות מתקדמות יותר ויותר מתפרסמות בתדירות גבוהה. בהרצאה זו נסקור מספר ארכיטקטורות למידה עמוקה בסיסיות, נלמד על מודלים חדשים ומתקדמים יותר ואף נציץ בקצרה אל הנושאים החמים ביותר בתחום כיום.

למידה עמוקה בסביבת MATLAB – מהמחקר והפיתוח ועד המימוש על GPU
רועי פן, מהנדס אפליקציה לתחומים עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה, חברת סיסטמטיקס
מיכאל דוננפלד, מהנדס אפליקציה לתחום המרה אוטומטית של קוד MATLAB לקוד C/CUDA, חברת סיסטמטיקס

בהרצאה טכנית זו נתמקד בתחום עיבוד התמונה והראיה הממוחשבת ונראה כיצד ניתן בקלות:

• לבנות רשתות מתקדמות מותאמות-אישית ולאמן אותן בעזרת מאגר של תמונות לצורך ביצוע סיווג (Classification),
• לייבא רשתות מסביבות כמו Keras-TensorFlow ו-Caffe ולבצע Transfer Learning בסביבת MATLAB,
• להשתמש בשיטות גילוי (Detection) מבוססות למידה עמוקה,
• לבצע עיבוד מקדים למידע האימון והבדיקה – כמו labeling בצורה נוחה או פעולות גיאומטריות לצורך הגדלת מאגר המידע,
• למצוא הגדרות אופטימליות לאימון רשתות עמוקות,
• להאיץ את זמני האימון על ידי ניצול כוח חישובי כמו GPU (אחד או יותר), מחשבים חזקים נפרדים וענן,
• להמיר בצורה אוטומטית קוד MATLAB לקוד CUDA אשר יכול לרוץ על מעבדים גרפיים של חברת nVidia. על פי ה-benchmarks שיוצגו הדבר מאיץ את מהירות הריצה פי 5 בהשוואה ל-Caffe2 ופי 7 בהשוואה ל-TensorFlow, תוך ניצול של פי 3 פחות זיכרון מאשר ב-TensorFlow (בבדיקה על פעולות הסקה תוך שימוש ב-Alexnet).

סיפור משתמש 1 – גילוי ברקוד בתמונות גדולות בעזרת למידה עמוקה בסביבת MATLAB בחברת HP
שרון מוסקוביץ , מהנדס אלגוריתמים וראיה ממוחשבת, חברת HP

ברקודים המודפסים באיכות גבוהה על אריזות קרטון גלי הינם דבר חיוני עבור מערכות סריקה תעשיתיות/אוטומטיות. בהרצאה יודגם תהליך גילוי של ברקוד קטן בתמונת ענק (כ-15Gbits) בעזרת למידה עמוקה בסביבת MATLAB. לאחר ביצוע הגילוי, ניתן לבצע לברקוד מניפולציות שונות באמצעות פעולות מורפולוגיות, על מנת להביא את תוצאת ההדפסה לאופטימום. מעבר לכך שתהליך הגילוי חייב להיות מדויק, הוא גם נדרש להיות מהיר, על מנת למנוע עיכובים בתהליך ההדפסה של האריזות, ובהרצאה נסקור שיטות שונות להאצת התהליך – מדגימת התמונות, דרך שימוש בחומרה חזקה יותר או שיטות גילוי מתקדמות, ועד להמרה אוטומטית של קוד MATLAB לקוד CUDA.

סיפור משתמש 2 – עקיבה אחר רחפן וביצוע סיווג בעזרת למידה עמוקה בסביבת MATLAB בתעשייה האווירית
רפאל בוזגלו ושמוליק סעדי, B.Sc בהנדסת חשמל
פרויקט בהנחייתו של רועי אורפייג, ראש צוות עיבוד תמונה בתעשייה האווירית

בהרצאה זו תודגם שיטה לגילוי רחפנים בוידאו, אשר מצליחה להניב תוצאות טובות על אף שהרחפנים מהווים רק חלק קטן מאוד משדה הראיה. השיטה מתגברת על אתגרים כגון עקיבה על רקעים מורכבים, צילום על ידי מצלמה אשר נעה בעצמה, והשתנות של גודל האובייקט ומהירותו תוך כדי העקיבה. השיטה מבוססת הן על חזות הרחפן והן על התנועה שלו, ומשלבת בין טכניקות מתקדמות מעולם הראיה הממוחשבת לבין שיטות חדשניות מתחום הלמידה העמוקה, תוך שימוש בסביבת MATLAB. לאחרונה הפרויקט נבחר לאחד מתוך שלושת פרויקטי הגמר המצטיינים בבית הספר להנדסת חשמל של אוניברסיטת תל אביב לשנת הלימודים 2016-2017 וכן זכה בפרס ויינשטין היוקרתי כפרויקט המצטיין של מסלול עיבוד אותות.

מידול וניתוח טקסט
שירן גולן, מהנדסת אפליקציה לתחום ניתוח מידע, סיסטמטיקס

בהרצאה זו יודגמו יכולות הפקת תובנות מתוך מידע טקסטואלי בסביבת MATLAB. נראה כיצד ניתן לגשת למידע טקסטואלי ממקורות שונים ובפורמטים שונים, כיצד אפשר לבצע עיבוד מקדים למידע – ניקויו והעברתו לייצוג נומרי, כיצד ניתן למדל את המידע בשיטות שונות, וכיצד אפשר לשתף את המודלים בסביבות שונות.