Commit 90fd334c authored by Rita-Josy Haddoub's avatar Rita-Josy Haddoub

Update README.md

parent 43b26a75
......@@ -5,7 +5,7 @@ This is the pretrained model for _Béton_, along with its raw image dataset. Th
هذا النموذج طوّر خصيصاً لل"أسمنت" (Béton)، و يتضمن مجموعة بيانات خاصة بهذه المادة المستخدمة في البناء. لقد تم استعمال "التعلّم العميق" (Deep Learning) من خلال تقنية الpix2pix و هي مشفر تلقائي (Autoencoder) قائم على مبدأ الcGAN.
![Screen_Shot_2020-06-22_at_4.37.33_PM](/uploads/e73e1afded2b7df1c04661ff5d512be7/Screen_Shot_2020-06-22_at_4.37.33_PM.png)
# Overview
# Overview (نظرة عامة)
A collection of photographs showing found _Béton_ have been stored in a dedicated image dataset. With this dataset, I am exploring ways that _‘Machine Learners’_ refers to humans as much as it does to computers. As a single _‘variable’_ which represents experimentation and fragmentation, _Béton_ can be computationally seen within the ‘Latent Space.’ In this hidden layer of machine learning, input data is broken down and apart, and tries to re-assemble itself by learning possible compositions. While the results are ambiguous, unsupervised learning does help understand, and predict unknown data better.
To visualize the latent space, I feed my image dataset of _Béton_ to a network that de-codes this inner process and generates the re-done _Béton_ back into concrete.
......@@ -21,6 +21,22 @@ Project Adjustments to Covid-19 lockdown, and Lebanese Economic/Political/Social
**From Automation to Collaboration :**
Initially, I wanted to build my own network model which would compute the whole process of data input into latent sculpture. The output of the model would have been a step further from a reconstructed visualization as .JPG into an .STL file. The .STL file is a 3D render which is recognized by 3D printers. I was beginning to look into point clouds to automate this process through my model. And finally the .STL would have been rendered to concrete through a 3Dprinter.
I did not carry on to explore Tensorflow and configure my own GAN, but rather I trained my own model through pix2pix which has its’ pre-set properties. Using my knowledge of python from previous MachineLearning modules. With adjustment, I remained with my Data Input to physical Output idea. Instead of 3D printing a GAN into concrete, I went to a brick factory and molded a Beton myself following the meticulous designs generated by my model. The concept idea of rendering a neural network to concrete remains as intended, however the process of scultping myself involves more collaboration with the network, rather than giving the project full automation.
مجموعة من الصور لل"أسمنت" الموجود على الطرقات قد تم اخذها و تخزينها في مجموعة بيانات (Dataset) خاصة بالصور. باستخدامي هذه البيانات، احاول اكتشاف بعض الطرق المستخدمة في "التعلّم الآلي" (Machine Learning) و التي تشير الى الانسان بالقدر نفسه الذي تشير به الى الحاسوب. كمتغير وحيد (Single Variable) يمثل التجربة و التجزئة، يمكن رؤية ال"أسمنت" حاسوبياً في "الفضاء الكامن" (Latent Space). على هذا المستوى، و في هذه الطبقة المخفية للتعلم الآلي، يتم تجزئة البيانات المدخلة (Input Data) و التي تحاول بعدها اعادة تجميع نفسها بطرق مختلفة عن طريق التعلم و بحث الخيارات المتوفرة. نتائج هذه العملية تبقى غامضة و غير ملموسة بشكل كلّيّ، لكنها تساعد بالفعل على فهم و توقع هذه البيانات الغامضة و الغير معروفة بشكل افضل.
لتصور الفضاء الكامن، أُدخل مجموعة البيانات الخاصة بال"أسمنت" (صور) الى شبكة مهمّتها فك تشفير هذه البيانات و من ثم تشكيلها و انشائها بطريقة مختلفة لتشكل صور معدلة للاسمنت.
** [اضغط هنا]** لرؤية عرض محاكٍ للمشروع. ابراز شبكة من الصور على سطح حائط بالكامل. هذه الشبكة تمرّ بشكل متتابع على جميع البيانات الاولية و تبحث في مختلف الاحتمالات الممكنة لتوقع النموذج النهائي (Béton). يتم عرض هذه العملية على الحائط بينما تتواجد فعليّاً منحوتات ال"أسمنت" على الارض او على قاعدة خاصة للعرض.
التعديلات على المشروع بسبب جائحة كورونا و عدم الاستقرار في لبنان على الصعيد السياسي, الاقتصادي و الاجتماعي (انقطاع التيار الكهربائي بشكل مستمر...):
**From Automation to Collaboration:**
(من التشغيل الآلي الى التعاون)
في البداية، اردت بناء نموذج لشبكة خاصة بي مهمتها رقمنة عملية ادخال البيانات و تحويلها الى النموذج الكامن (Latent Sculpture). هذه النتيجة كانت ستكون خطوة ابعد من التصوّر المعاد بناؤه و القائم على ملفات (JPG.) بدلاً من (STL.). ملف الSTL. هو بطبيعته ثلاثي الابعاد 3D و يتم رصده و تمييزه في الطابعات ثلاثية الابعاد (3D Printers). كنت قد بدأت البحث في ال"Point Clouds" لجعل هذه العملية آلية و من ثم تحويل ملف الSTL. الى "اسمنت" من خلال ال3D Printer.
لم اكمل مسعايَ هذا و الذي كان سيؤدي بي الى استكشاف الTensorflow لتهيئة و ترتيب الGAN الخاص بي، لكنني بدأت و درّبت نموذجاً خاصاً بي عن طريق الpix2pix و الذي يحتوي على خصائص معدَّة مسبقاً، و ذلك بإستخدام معرفتي لبرنامج Python من خلال المواد الخاصة بالتعلّم الآلي التي اخترتها في سنوات دراستي. مع بعض التعديلات، حافظت على فكرتي القائمة على تحويل البيانات المدخلة الى نتيجة ملموسة. بدلاً من طباعة الGAN بشكل اسمنتيّ ثلاثي الابعاد، ذهبت الى معمل لتصنيع قوالب الطوب و صنّعت (Molded) قالب اسمنت بنفسي و ذلك بإتباع تفاصيل التصميم الناتج عن النموذج الذي تحصّلت عليه من خلال التعلّم الآلي. فكرة تحويل شبكة عصبيّة (Neural Network) الى "أسمنت" يبقى كما كان مخططاً له منذ البداية لكن المعالجة من خلال بنائي و نحتي لتصميم خاص بي يحتاج الى تعاون اكبر مع الشبكة بدلاً من جعل المشروع مشَغّل آلياً بالكامل.
# Data
![Screen_Shot_2020-06-20_at_10.33.26_PM](/uploads/0fb2606a2fe26eb1e8ebe275e8e33cd2/Screen_Shot_2020-06-20_at_10.33.26_PM.png)
......
Markdown is supported
0%
or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment