Introduzione
Uno dei rami di successo dell'intelligenza artificiale è la visione artificiale, che consente al computer di ottenere informazioni dettagliate da immagini digitali e/o video. Le reti neurali possono essere usate correttamente per le attività di visione artificiale.
Immaginare di stare sviluppando un sistema per riconoscere il testo stampato. È stato usato un approccio algoritmico per allineare la pagina e tagliare i singoli caratteri nel testo e ora è necessario riconoscere le singole lettere. Questo problema è definito classificazione immagini, perché è necessario separare le immagini di input in classi diverse. Altri esempi di tale problema sarebbero l'ordinamento automatico delle cartoline in base all'immagine o la determinazione del tipo di prodotto in un sistema di consegna da una fotografia.
In questo modulo si apprenderà come eseguire il training dei modelli di rete neurale di classificazione immagini usando PyTorch, una delle librerie Python più diffuse per la creazione di reti neurali. Si inizierà dal modello più semplice, una rete neurale densa completamente connessa, e da un semplice set di dati MNIST di cifre scritte a mano. Verranno quindi fornite informazioni sulle reti neurali convoluzionali, progettate per acquisire modelli di immagine 2D, per poi passare a set di dati più complessi, CIFAR-10. Infine, si useranno reti con training preliminare e l'apprendimento induttivo per consentire il training dei modelli su set di dati relativamente piccoli.
Al termine di questo modulo, sarà possibile eseguire il training di modelli di classificazione immagini in fotografie reali, ad esempio set di dati di gatti e cani, e sviluppare classificatori di immagini per scenari personalizzati.
Obiettivi di apprendimento
Contenuto del modulo:
- Informazioni sulle attività di visione artificiale più comunemente risolte con le reti neurali
- Informazioni sul funzionamento delle reti neurali convoluzionali (CNN)
- Eseguire il training di una rete neurale per riconoscere le cifre scritte a mano e classificare gatti e cani
- Informazioni su come usare l'apprendimento induttivo per risolvere i problemi di classificazione reale con PyTorch
Prerequisiti
- Conoscenza di base di Python e Jupyter Notebook
- Familiarità con il framework PyTorch, inclusi tensori, nozioni di base sulla retropropagazione e creazione di modelli
- Informazioni sui concetti di apprendimento automatico, ad esempio classificazione, training/test di set di dati, accuratezza e così via.