Спецкурс Нейросети и их практическое применение. (Буряк Д.)

1. Лекция 8 . НС для решения задач классификации образов

2. Задача классификации образов Отнесение образа к одному из заданных классов. Примеры задач: - обработка медицинских изображений, - анализ аэрокосмических снимков, - системы идентификации личности, - распознавание голоса, - распознавание лиц, - распознавание автомобильных номеров, - мониторинг информационных потоков. Кластеризация: Разбиение объектов на классы, которые заранее не известны.

12. «Структурная» нейронная сеть инвариантная к вращению Вращатель: Вход: 20*20; Скрытый слой: 15 нейронов Выход: 36 нейронов (выходное значение cos( θ -i*10) ) Угол поворота определяется вектором: Авторы: H. Rowley, S. Baluja, T. Kanade

13. «Структурная» нейронная сеть инвариантная к вращению: результаты С предварительным поворотом изображения Только детектор

16. Применение SNoW : обнаружение лиц Кол-во слоев: 1 ; Входной слой: 256*W*H Выходной слой: 2 Тип входов: бинарные Тип выходов: вещественные Функция активации: сигмоида Преобразование входного изображения: Im(x,y) -> v(z)=1 z=256*(y*W+x)+Im(x,y)

17. SNoW : интерпретация весов

18. Обнаружения лиц: результаты

19. Свертка Х -> Х = Х =

23. Сверточные сети: результаты 0.39 Большая сверточная сеть 2.95 3- слойная НС, 500+150 скрытых элементов 3.05 3- слойная НС, 300+100 скрытых элементов 4.5 2- слойная НС, 1000 скрытых элементов 4.7 2- слойная НС , 300 скрытых 12.0 Линейный классификатор (1-слойная НС) Процент ошибок на тестовой выборке (%) Сеть