Opis
Tekst dotyczy zastosowania sztucznych sieci neuronowych, szczególnie konwolucyjnych sieci neuronowych (CNN), w rozpoznawaniu obrazów, na przykładzie analizy zdjęć kotów i ptaków. Autor omawia rozwój sztucznych sieci neuronowych, począwszy od teorii neuronów biologicznych, przez architektury takich modeli jak LeNet-5, AlexNet, GoogLeNet, VGGNet, oraz ResNet, aż po konkretne techniki, takie jak transfer learning i funkcje aktywacji. Opisano także proces przetwarzania obrazów, podział danych na zbiory treningowe, walidacyjne i testowe, oraz szkolenie modeli przy użyciu narzędzi takich jak Google Colab. Wykorzystane modele (ResNet50 i VGG16) osiągnęły bardzo wysoką dokładność na danych testowych, odpowiednio 99,87% i 99,47%, i zostały zaimplementowane w aplikacji webowej, umożliwiającej użytkownikowi rozpoznawanie obrazów ptaków i kotów.
Odkryj Nową Jakość Czytania z Naszymi Ebookami!
Zakup ebooka i otrzymaj dodatki – wideo omówienie i mapę myśli!
Czym różni się nasza oferta od innych? To proste – chcemy, aby czytanie było dla Ciebie niesamowitym doświadczeniem, które przeniesie Cię na zupełnie inny poziom zrozumienia i zanurzy w wyjątkową przygodę z literaturą.
Wideo omówienie – na co możesz liczyć?
Dzięki wideo omówieniu poznasz historię i treść książki w zupełnie nowy sposób. Pasjonaci literatury opowiedzą o najważniejszych elementach fabuły, głównych bohaterach i najciekawszych wątkach. Będzie to dla Ciebie jak osobista rozmowa z autorem, która pozwoli lepiej zrozumieć przesłanie i ukryte znaczenia w dziele.
Mapa myśli – rozwiń swoje horyzonty!
Czy kiedykolwiek chciałeś lepiej zrozumieć wszystkie niuanse i powiązania w książce? Nasza mapa myśli to narzędzie, które rozbierze książkę na elementy składowe, ukazując Ci całą strukturę i powiązania między postaciami i wydarzeniami. To wspaniała szansa na głębsze wniknięcie w świat przedstawiony i podążanie śladami bohaterów.
Nie czekaj! Wybierz swoje ulubione ebooki z naszej kolekcji i otrzymaj wideo omówienie i mapę myśli jako niezwykłe bonus. Zainwestuj w swoje pasje i rozwijaj swoją wyobraźnię z naszymi ebookami.
Spis treści
-
Wprowadzenie
1.1. Wprowadzenie do problematyki
1.2. Cel i zakres książki
1.3. Struktura książki -
Przegląd i wybór technologii
2.1. Neurony biologiczne i sztuczne
2.2. Konwolucyjne sieci neuronowe (CNN)
2.3. Architektury modeli
2.3.1. Architektura LeNet-5
2.3.2. Architektura AlexNet
2.3.3. Architektura GoogLeNet
2.3.4. Architektura VGGNet
2.3.5. Architektura ResNet
2.4. Wybrane architektury i narzędzia
2.5. Transfer Learning
2.6. Funkcje aktywacji
2.6.1. Funkcja ReLU
2.6.2. Funkcja Sigmoid
2.6.3. Funkcja Softmax
2.6.4. Funkcja Tanh
2.7. Funkcje straty
2.8. Dokładność modelu
2.9. Optymalizatory
2.9.1. Optymalizator Adam
2.9.2. Optymalizator RMSprop
2.9.3. Optymalizator SGD
2.9.4. Optymalizator Adagrad
2.9.5. Optymalizator Nadam
2.10. Przetwarzanie obrazów
2.11. Środowisko programistyczne -
Metodyka badań
3.1. Przygotowanie zbioru danych
3.2. Preprocessing obrazów
3.3. Podział zbioru danych
3.4. Architektury modeli
3.4.1. Architektura ResNet50
3.4.2. Architektura VGG16
3.5. Augmentacja danych
3.6. Przegląd obrazów gotowych do uczenia modeli -
Trening modeli
4.1. Parametry uzyskane w trakcie uczenia
4.2. Dokładność modeli -
Aplikacja internetowa
5.1. Opis kodu aplikacji
5.2. Opis działania aplikacji -
Podsumowanie i wnioski
Bibliografia
Spis rysunków
Spis tabel
