Hva er RebrickNet? Og hvordan bruke det?

Har du klosser du lurer på hvilket sett de er i? Nå har nytt hjelpemiddel kommet, RebrickNet.

I Facebook gruppen “LEGO Identifiseringshjelp” hjelper vi hverandre med identifisering av LEGO klosser og deler av sett. Men det er jo ikke alle som er på Facebook eller kanskje de ønsker å finne ut av det selv?

Rebrickable har startet opp RebrickNet hvor vi skal kunne ta bilder av klosser du har for å få opp hvilke sett de er i. Det var tidligere i år de startet opp med RebrickNet.

Statistikken så langt er:
Utgivelse: v0.185.108.26 (23. mai 2022)
• Deler: 200
• Farger: 69
• Deler nøyaktighet: 91%
• Farge nøyaktighet: 77%
• Kombinert nøyaktighet: 72%
• Falske positive: 1%

I dette innlegget skal vi se litt på hvor langt de har kommet og hvordan det fungerer. En del av teksten er hentet fra Rebrickable sine nettsider.

BrikkeFruene oppfordrer dere til å bruke RebrickNet framover slik at det vil bli enda bedre. Slik at vi i framtiden har en veldig bra nettside som vi kan få hjelp til identifisering av klosser og sett.

Hva er RebrickNet?

RebrickNet oppdager LEGO-deler i bilder. Det er en kunstig intelligens som har blitt trent på Rebrickable-databasen.

Vår AI er fortsatt veldig ung og har mye å lære. Foreløpig kan RebrickNet bare gjenkjenne et begrenset utvalg av disse 200 delene. For å få den til å gjenkjenne flere deler med høyere nøyaktighet, trenger vi din hjelp!

Tips på hvordan bruke RebrickNet

• Plasser deler på en hvit bakgrunn
• Unngå harde skygger
• Unngå lyse refleksjoner/blits fotografering
• Ha skarp jevn belysning
• Prøv å ikke kutte av deler på kanten av bildet
• Pass på at deler ikke er for skjult under andre deler (små overlappinger bør være ok)
• Hvis delene lett kan forveksles med andre, sørg for at de er synlige i den beste og minst forvirrende vinkelen
• Hvis du skulle se på bildet, kunne du identifisere delene?

Hvor kan du bruke RebrickNet?

På nettsiden rebrickable.com/rebricknet/ kan du laste opp inn bilder av dine LEGO klosser.

Vi introduserer RebrickNet – LEGO-delsdetektoren

27. januar 2022 av Nathan

Hva er RebrickNet?

RebrickNet oppdager LEGO-deler i bilder. Det er en kunstig intelligens som har blitt trent på Rebrickable-databasen.

Bare ta et bilde av en haug med LEGO-deler. Ideelt sett på en flat hvit bakgrunn med god belysning og minimal skygge. Last opp bildet ditt på RebrickNet-siden.

Behandlingen skal bare ta noen få sekunder, avhengig av hvor mange andre som bruker den på den tiden.

Bildet ditt vil bli vist med de oppdagede delene uthevet. Hvis du holder musen over boksene (eller trykker på dem på en berøringsenhet), vil du se hvilken del/farge RebrickNet tror den fant.

Det er også en inventar oppført under bildet som du kan legge til din egen tilpassede liste osv. for å manipulere som du vil.

Senere, etter hvert som dette blir bedre, kan jeg vurdere å legge til andre muligheter som «Hvilken del er dette» eller en slags API for appbygging. Foreløpig er det mer en eksperimentell funksjon.

Vårt mål

RebrickNet kan for øyeblikket bare gjenkjenne følgende 41 forskjellige deler i 32 farger, med en kombinert nøyaktighet på ca. 60%. Ikke bra, og for å forbedre dette trenger vi din hjelp.

Dette kommer til å bli et langvarig prosjekt. Jeg vet egentlig ikke hvor bra det kan bli, men jeg håper å fortsette å forbedre dette uansett om det tar måneder eller år.

Det er for øyeblikket omtrent 45 000 deler i databasen vår, så vi er omtrent 0,1 % av veien dit 🙂

Det første målet jeg håper å oppnå med din hjelp er å kunne gjenkjenne de 100 mest brukte delene. Hvis det fungerer bra, går jeg for 200, deretter 300 osv. Med nok delbilder og nok maskinvare til å behandle alt, er jeg ganske sikker på at vi kan komme til minst 1000 deler. Det kan ta år, men kanskje til og med 10 000 deler.

Hvordan virker det?

RebrickNet lærer ved å se på bilder av LEGO-deler og oppdage funksjonene som gjør hver del unik. AI som RebrickNet mates med mange bilder som brukes til å oppdage relevante funksjoner automatisk (f.eks. har den studs? en glatt overflate? skarpe hjørner? lyse refleksjoner? etc). Når det så presenteres med et nytt usett bilde, kan det finne de samme funksjonene og gjøre en beste gjetning på hva objektet er.

Denne læringsprosessen krever millioner av bilder under en rekke lysforhold, og mye maskinvare behandlingstid.

Hvordan kan du hjelpe?

De siste årene har vi samlet inn bilder av LEGO-deler til databasen vår takket være bidragene dine, men vi beholder kun relativt få bilder per del. For å få dette prosjektet til å fungere, trenger vi hundrevis eller til og med tusenvis av bilder for hver del.

For å gjøre dette mulig, er RebrickNet designet for å trene på videoer av roterende LEGO-deler. En enkelt 10 sekunders video kan inneholde 300 bilder, noe som gjør det til en effektiv måte å få bildene som trengs.

Nøyaktigheten til RebrickNet-spådommene er bare så god som dataene den er trent på.

For å forhindre skjevhet og forbedre gjenkjennings nøyaktigheten trenger vi videoer fra mange forskjellige personer (mot mange videoer fra én person). For hver del du sender inn trenger vi én video per del orientering. Så, for hver mulig orientering som en del kan sees, ta en kort 10-15 sekunders video som består av en hel rotasjon av delen i den retningen.

For å hjelpe med å ta disse videoene har Berth lagt ut en fin Technic-basert platespiller MOC som jeg har brukt som fungerer utmerket.

Flere detaljer og eksempler finner du på RebrickNet Submission-siden.

Videoene vi trenger vil endre seg over tid. For å holde deg oppdatert på hvilke deler vi ser etter, kan du følge dette RebrickNet-forumet. Du kan også bruke den nye RebrickNet-forum kategorien til å legge inn spørsmål om den.

RebrickNet – gjenkjenner nå 200 deler

23. mai 2022 av Nathan

RebrickNet er et verktøy som kan identifisere LEGO-deler fra bilder du laster opp. Siden den ble utgitt for 4 måneder siden, har den kjørt 2300 spådommer og oppdaget 72 000 deler. RebrickNet har nå blitt oppdatert til å gjenkjenne 200 forskjellige LEGO-deler.

Da den først ble utplassert for omtrent 4 måneder siden, kunne den bare gjenkjenne 40 deler med omtrent 60 % nøyaktighet. Siden den gang har vi nådd vår første milepæl på 100 deler og sakte forbedret nøyaktigheten opp til 90 %. Nå er jeg glad for å kunngjøre at vi har nådd vår andre milepæl med å gjenkjenne 200 deler – med 91 % nøyaktighet.

Vi har sendt inn over 4700 treningsvideoer, som gir 300 000 bilder av LEGO-deler. Det er en enorm mengde data å behandle som er nøkkelen til å få dette til å fungere. Men vi trenger virkelig flere bidrag fra flere mennesker. Jo mer variasjon vi får når det gjelder lysforhold, visnings vinkler på delene, kamera kvalitet osv., jo bedre blir det endelige resultatet.

De neste trinnene inkluderer:

1. Fortsett å finjustere nøyaktigheten. Lange, tynne deler er vanskelig, og det er også vanskelig å skille mellom plater og klosser i noen vinkler. Farge nøyaktigheten trenger også en stor forbedring.
2. Sett opp batch 3 for å starte prosessen med å komme til 300 deler.
3. Legg til støtte for forskjellige RebrickNet-bruksmoduser – f.eks. identifisere en enkelt del, oppdage deler fra korte videoer, identifisere sett(er) en haug med deler er fra osv.
4. Gjør det enklere å sende inn videoer.

Forum

I Forum innlegget «RebrickNet Updates» finner du oppdateringer og nyheter. I Forumet kan du tipse og få hjelp med RebrickNet.

LEGO Identifiseringshjelp

RebrcikNet er jo langt fra ferdig, så i mellomtiden kan du få hjelp i den Norske Facebook gruppen «LEGO Identifiseringshjelp«. Her hjelper vi hverandre med identifisering av LEGO klosser og deler av sett.

Det finnes også utenlandske grupper som hjelper deg med å identifisere klosser og deler.
Identify My Lego Minifigures , Parts , and Pieces
LEGO Identification help

Kilder: RebrickNet – Now Recognising 200 Parts, RebrickNet, Introducing RebrickNet – The LEGO Parts Detector, RebrickNet – Forum

De siste innleggene med Dagens/Ukens minifigur

• Denne ukens minifigur er twn374 NASA Apollo 11 Astronaut
• Denne ukens minifigur er cty0145 Man in Black Suit and Tie
• Denne ukens minifigur er sw0020 Luke Skywalker (Skiff)
• Denne ukens minifigur er njo550 Wu Master, Fuzzy Cape
• Denne ukens minifigur er hs053 Parker L. Jackson
• Denne ukens minifigur er mof016 Crazy Scientist
• Denne ukens minifigur er lor021 King Theoden
• Denne ukens minifigur er tlm150 Apocalypse Benny, The LEGO Movie 2
• Denne ukens minifigur er sh283 Katana
• Denne ukens minifigur er sw1094 Clone Trooper, 501st Legion (Phase 2)