机器学习帮你做家务：外国小哥10分钟给袜子自动配对

Posted 2021-04-03 金融科技教育网

打工人下班之后还要为家务发愁？这不，为了摆脱每次都要给洗好的袜子配对的烦恼，一位国外小哥使用机器学习方法，创建了一个可以自动匹配袜子的项目，并且有着神奇的效果。全程操作丝滑，还不快来试试？

你有没有这样的经历？

袜子好不容易洗好了，乱成一团，想好好配对整理时，无论如此都找不到！！！

是不是很心累？

对于那些喜欢积攒袜子并且放在一起洗的人来说，配对袜子简直就是噩梦！

在这一点上，不分国籍，似乎全世界的人都可能有这样的烦恼——

这不，这位国外的小哥也深受困扰：

「我现在又要配对大量的洗过的袜子！图中这还只是其中的一半！上次我花了整整十分钟，来亲手整理这些袜子」

不过，为了改变这种「残酷的现状」，这位小哥随后「化悲愤为力量」，使用机器学习去实现袜子的自动搭配：

 

「我决定做一件唯一合理的事，用机器学习来匹配袜子。我只给了自己10分钟的时间来完成项目，所以它不会比亲自动手匹配更昂贵。在这个视频中，我会让机器接管我的家务!」

 

这则用AI帮自己配对袜子的视频已经上传到了YouTube，截至目前，已经收获了千级的观看量：

「头脑风暴」全过程记录：只要找对方法，分分钟消除烦恼

 

这位小哥记录了他在十分钟内完成任务的思考和实践全过程：

 

“在这个项目中，我决定使用机器学习来配对我的袜子。我只给自己十分钟来完成这个项目，因为10分钟就是我手动整理袜子的时间。

 

作为一名高级软件工程师，我应该能够在十分钟内使用机器学习自动完成同样的任务——这才公平。

 

由于我只有十分钟的时间来完成整个项目，我不得不走捷径——

 

我决定不使用像PyTorch或TensorFlow这样的机器学习框架，相反，我只是在谷歌上搜索「图像模式匹配」，然后就发现了OpenCV。

 

OpenCV是一个基于各种预训练模型和机器学习算法的计算机视觉库。正如我所发现的，在图像处理和识别方面，它代表着人工智能目前的最高水平。

通过使用OpenCV文档，我设法快速开发出了一个可以成功工作的袜子分类应用程序。

 

在Manjaro Linux上使用OpenCV制作袜子配对应用是一件轻而易举的事，我只用了八分钟就完成了整个项目。

 

我认为使用OpenCV构建一个机器学习移动应用程序也会非常快，我也打算在下次洗完袜子之后尝试一下，我也会把它记录下来，并继续发布到YouTube上!”

官网代码通用性佳，袜子配对效果「惊人」

说到具体做法，这位小哥是这么操作的：

 

在谷歌上搜索「图像模式匹配」时，他发现了热门搜索中的opencv页面。

 

接着，他在opencv上发现了「特征匹配」的文档说明：

然后发现实例中的代码正好满足了他的需求：

下面是官网上的结果实例：

所以，他就直接下载了opencv相关安装包，并将代码直接用到了自己的袜子配对问题上：

在把单只袜子自身遮挡住之后，他发现，算法可以很好帮他完成袜子配对的问题：

小哥还改了代码中的一行，之后就实现了匹配所有相同袜子对的操作：

是不是很神奇？

 

而到了这个阶段，项目已经算完成了，而从开始构思到最后整个实现，他只花了8分钟的时间！

 

下面是他用到的Opencv库地址：

* https://opencv.org 

* https://github.com/opencv/opencv 

 

如果你也想试试看，那么就可以遵循下面的步骤，即可解决自己的袜子配对问题：

 

1、打开

https://docs.opencv.org/master/d5/d6f/tutorial_feature_flann_matcher.html，这个网页记录了「特征匹配」的实例

2、使用包管理器，安装这些包：opencv, opencv-contrib, cmake, make

3、创建一个叫“Matcher”的目录

4、将1中的代码复制粘贴到该目录中名为Matcher.cpp的文件中

5、在Matcher目录下，执行下面命令：cmake . && make && ./Matcher

6、完成，你现在已经有了一个可以工作的图像匹配app

 

在这里需要提醒的是，这个实例代码用的是尺度不变特征变换的蛮力匹配法，当然，你也可以试着用OpenCV里的深度学习模块，这样，你可以实现更好的效果。

参考链接：

https://www.reddit.com/r/programming/comments/lastj4/ai_socks_matching_app_in_10_minutes/

文章来源：新智元，2021年2月26日。

点击查看往期周报

第47期：金融科技行业周报|一周行业要闻速览（12.23-12.27）

点击查看往期大咖分享

【第四期】