För nästan tre år sedan skapade jag ett dataset med 2800 bilder (via min virtuella assistent Maryanne) över 28 olika typer av dominobrickor. Vid den tiden spelade jag och Charlotte rätt mycket domino så tanken låg nära att göra något inom Machine Learning relaterat till domino. I förlängningen såg jag framför mig att jag skulle göra en app som kunde scanna av en spelplan med dominobrickor och göra saker som att räkna ut poäng och eventuellt också hjälpa till med strategier eller till och med agera motpart.

Projektet var ett av de första jag satte igång med när jag började lära mig machine learning och var nog lite övermäktigt då. Jag försökte med Support Vector Machines etc (för att det var det jag försökte lära mig vid tillfället) och kom aldrig över 9% accuracy (att jämföras med c:a 3% om man bara gissat slumpmässigt).

I veckan blev jag påmind om projektet och med betydligt mer erfarenhet nu så återskapade jag det på två dagar och löste det med ett CNN till 99.2% accuracy. En stor del av arbetet handlade om data augmentation (att skapa nytt data baserat på det existerande datat) och bildbehandling med hjälp av Python-biblioteket Pillow. Det var inget jätteprojekt direkt men kul att slutföra det i alla fall, sen får jag se om jag går vidare med nästa svårighetsgrad: att fotografera grupper av dominobrickor, detektera varje bricka och sedan klassificera samtliga brickor i ett foto.

Testkör modellen: Kaggle.com/bjorkwall

Ladda ned modellen: Github