fee00e62ca
|
||
|---|---|---|
| .. | ||
| lab | ||
| CNN_Architectures.md | ||
| ConvNetsPyTorch.ipynb | ||
| ConvNetsTF.ipynb | ||
| README.md | ||
README.md
Konvolučné neurónové siete
Už sme videli, že neurónové siete sú veľmi dobré pri práci s obrázkami, a dokonca aj jednovrstvový perceptron dokáže rozpoznať ručne písané číslice z datasetu MNIST s primeranou presnosťou. Dataset MNIST je však veľmi špecifický, pretože všetky číslice sú vycentrované v obrázku, čo úlohu zjednodušuje.
Kvíz pred prednáškou
V reálnom živote chceme byť schopní rozpoznať objekty na obrázku bez ohľadu na ich presnú polohu v rámci obrázka. Počítačové videnie sa líši od všeobecnej klasifikácie, pretože pri hľadaní konkrétneho objektu na obrázku prehľadávame obraz a hľadáme špecifické vzory a ich kombinácie. Napríklad, pri hľadaní mačky môžeme najskôr hľadať horizontálne línie, ktoré môžu tvoriť fúzy, a potom určitá kombinácia fúzov nám môže naznačiť, že ide o obrázok mačky. Relatívna poloha a prítomnosť určitých vzorov sú dôležité, nie ich presná poloha na obrázku.
Na extrakciu vzorov použijeme pojem konvolučné filtre. Ako viete, obrázok je reprezentovaný 2D maticou alebo 3D tenzorom s farebnou hĺbkou. Aplikácia filtra znamená, že vezmeme relatívne malú maticu nazývanú jadro filtra a pre každý pixel v pôvodnom obrázku vypočítame vážený priemer so susednými bodmi. Môžeme si to predstaviť ako malé okno, ktoré sa posúva po celom obrázku a spriemeruje všetky pixely podľa váh v matici jadra filtra.
 |
 |
|---|
Obrázok od Dmitry Soshnikov
Napríklad, ak aplikujeme 3x3 vertikálny a horizontálny okrajový filter na číslice z MNIST, môžeme zvýrazniť (napr. vysoké hodnoty) miesta, kde sú vertikálne a horizontálne okraje v pôvodnom obrázku. Tieto dva filtre teda môžeme použiť na "hľadanie" okrajov. Podobne môžeme navrhnúť rôzne filtre na hľadanie iných nízkoúrovňových vzorov:
Obrázok Leung-Malik Filter Bank
Avšak, zatiaľ čo filtre môžeme navrhnúť manuálne na extrakciu určitých vzorov, môžeme tiež navrhnúť sieť tak, aby sa vzory učila automaticky. To je jedna z hlavných myšlienok za CNN.
Hlavné myšlienky za CNN
Fungovanie CNN je založené na nasledujúcich dôležitých myšlienkach:
- Konvolučné filtre dokážu extrahovať vzory
- Môžeme navrhnúť sieť tak, aby sa filtre trénovali automaticky
- Rovnaký prístup môžeme použiť na hľadanie vzorov vo vysokoúrovňových črtách, nielen v pôvodnom obrázku. Extrakcia čŕt v CNN teda funguje na hierarchii čŕt, počnúc nízkoúrovňovými kombináciami pixelov až po vysokoúrovňové kombinácie častí obrázka.
Obrázok z práce Hislop-Lynch, založené na ich výskume
✍️ Cvičenia: Konvolučné neurónové siete
Pokračujme v skúmaní, ako fungujú konvolučné neurónové siete a ako môžeme dosiahnuť trénovateľné filtre, prostredníctvom nasledujúcich notebookov:
Pyramídová architektúra
Väčšina CNN používaných na spracovanie obrázkov nasleduje tzv. pyramídovú architektúru. Prvá konvolučná vrstva aplikovaná na pôvodné obrázky má zvyčajne relatívne nízky počet filtrov (8-16), ktoré zodpovedajú rôznym kombináciám pixelov, ako sú horizontálne/vertikálne línie alebo ťahy. Na ďalšej úrovni znižujeme priestorovú dimenziu siete a zvyšujeme počet filtrov, čo zodpovedá väčšiemu počtu možných kombinácií jednoduchých čŕt. S každou vrstvou, ako sa približujeme k finálnemu klasifikátoru, sa priestorové rozmery obrázka zmenšujú a počet filtrov rastie.
Ako príklad sa pozrime na architektúru VGG-16, siete, ktorá dosiahla 92,7% presnosť v top-5 klasifikácii ImageNet v roku 2014:
Obrázok z Researchgate
Najznámejšie architektúry CNN
Pokračujte v štúdiu o najznámejších architektúrach CNN
Zrieknutie sa zodpovednosti:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Hoci sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.