Podsumowanie
W tym module dowiedzieliśmy się, jak działają splotowe sieci neuronowe i jak mogą przechwytywać wzorce na obrazach 2D.
Oto podsumowanie kluczowych pojęć, które omówiliśmy:
- Dane obrazu jako tensory: reprezentowanie obrazów jako tablic wielowymiarowych (H×W dla skali szarości, H×W×3 dla koloru) i normalizacja wartości pikseli.
- Gęste sieci neuronowe: Tworzenie w pełni połączonych sieci jednowarstwowych i wielowarstwowych na potrzeby klasyfikacji obrazów, w tym pojęć takich jak softmax, kodowanie jednorazowe, funkcje utraty i optymalizatory.
- Nadmierne dopasowanie: rozpoznawanie sytuacji, gdy model zbyt dobrze pasuje do danych treningowych, ale nie potrafi się uogólniać, oraz strategie pozwalające na jego rozwiązanie.
- Splotowe sieci neuronowe (CNN): używanie filtrów splotowych do wyodrębniania wzorców przestrzennych, warstw spójnych w celu zmniejszenia wymiarowości i architektur piramidalnych łączących wiele warstw splotowych.
- Uczenie transferowe: Wykorzystanie wstępnie wytrenowanych modeli, takich jak VGG-16, w celu wyodrębnienia cech i budowy klasyfikatorów dla zadań niestandardowych przy mniejszej ilości danych i krótszym czasie treningu.
W rzeczywistości sieci CNN mogą być również używane do znajdowania wzorców w sygnałach 1-wymiarowych (takich jak fale dźwiękowe lub szeregi czasowe) i w strukturach wielowymiarowych (na przykład zdarzenia w filmach wideo, w których niektóre wzorce są powtarzane w ramkach). Sieci CNN to również proste bloki konstrukcyjne do rozwiązywania bardziej złożonych zadań przetwarzania obrazów, takich jak generowanie obrazów. Generatywne Sieci Adwersyjne (GAN) i modele dyfuzji (takie jak Stable Diffusion i DALL·E) służą do generowania obrazów, przy czym modele dyfuzji są uważane za najnowszy stan techniki. Podobnie, sieci CNN są używane do wykrywania obiektów, segmentacji instancji i nie tylko.