Лекции / 6. Введение в нейронные сети

ПРИМЕР. КЛАССИФИКАЦИЯ ИЗОБРАЖЕНИЙ

с помощью нейронных сетей

Литвинов В. Л.

доцент кафедры информационных управляющих систем

СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ LeNet

•База данных MNIST (Modified National Institute of Standards and Technology) — объёмная база данных образцов рукописного написания цифр.

•База данных является стандартом, предложенным Национальным институтом стандартов и технологий США с целью калибрации и сопоставления методов распознавания изображений с помощью машинного обучения.

•Данные состоят из заранее подготовленных примеров изображений, на основе которых проводится обучение и тестирование систем. Создатели базы данных использовали набор образцов из Бюро переписи населения США, к которому были добавлены ещё тестовые образцы, написанные студентами американских университетов. Образцы были нормализированы, прошли сглаживание и приведены к серому полутоновому изображению размером 28x28 пикселей.

Производились многочисленные попытки достичь минимальной ошибки после обучения по базе данных MNIST, которые обсуждались в научной литературе. Рекордные результаты указывались в публикациях, посвящённых использованию свёрточных нейронных сетей, уровень ошибки был доведён до

0,23 %.

Образцы изображений

Модель сверточной нейронной сети на PyTorh

Оптимизированная модель сверточной нейронной сети

Точность

классификации

Ошибка

классификаци и (кроссэнтропия)

Работа с обученной нейронной сетью (здесь видим, что 6 похожа на 0)