Это третья часть моей серии по глубокому обучению в Python, посвященной науке о данных и машинному обучению. К этому моменту вы уже многое знаете о нейронных сетях и глубоком обучении, включая не только основы, такие как обратное распространение ошибки, но и то, как улучшить его с помощью современных методов, таких как импульс и скорость адаптивного обучения. Вы уже писали глубокие нейронные сети в Theano и TensorFlow и знаете, как запускать код с помощью графического процессора.

Эта книга посвящена тому, как использовать глубокое обучение для компьютерного зрения с использованием сверточных нейронных сетей. Это самые современные методы классификации изображений, и они превосходят стандартные глубокие сети в таких задачах, как MNIST.

В этом курсе мы собираемся поднять ставку и взглянуть на номер дома StreetView (SVHN). ) набора данных, в котором используются более крупные цветные изображения под разными углами, поэтому все станет сложнее как в вычислительном отношении, так и с точки зрения сложности задачи классификации. Но мы покажем, что сверточные нейронные сети, или CNN, способны справиться с этой задачей!

Поскольку свертка является центральной частью нейронных сетей этого типа, мы собираемся углубиться в этот вопрос. тема. У него больше применений, чем вы можете себе представить, например, моделирование искусственных органов, таких как поджелудочная железа и сердце. Я собираюсь показать вам, как создавать сверточные фильтры, которые можно применять к аудио, например эффект эха, и я собираюсь показать вам, как создавать фильтры для эффектов изображения, таких как размытие по Гауссу и обнаружение краев.

После описания архитектуры сверточной нейронной сети мы сразу перейдем к коду, и я покажу вам, как расширить глубокие нейронные сети, которые мы построили в прошлый раз, всего несколькими новыми функциями, чтобы превратить их в CNN. Затем мы проверим их производительность и покажем, как сверточные нейронные сети, написанные как на Theano, так и на TensorFlow, могут превзойти точность простой нейронной сети в наборе данных StreetView House Number.