Conteúdo do curso Lição 111 de 246 · Módulo 10: Redes que veem (CNNs)
Módulo 10: Redes que veem (CNNs)

Por que imagens quebram MLPs

Por que isso importa Seu leitor de dígitos do Módulo 3 marcou cerca de 95%, e o um pouco maior nesta lição marca cerca de 98%. Mova cada dígito um pixel para a direita e ele colapsa. Ver o porquê é a razão inteira de as redes convolucionais existirem.

Uma MLP dá a cada pixel seu próprio peso. Ela aprende que "um pixel brilhante na linha 3, coluna 5 significa um 7". Desloque o dígito em um pixel e cada pixel brilhante cai em um peso que aprendeu outra coisa. Para a MLP, um 7 deslocado é uma imagem totalmente nova.

O que queremos é uma rede que reconheça um padrão onde quer que ele apareça. Guarde esse pensamento; a próxima lição constrói a ferramenta.

Invariância de tradução: dar a mesma resposta quando a entrada é movida. MLPs não têm; CNNs na maioria têm.

Palavras e símbolos nesta lição
convolution
deslizando uma pequena grade de pesos (um filtro) por uma imagem, um produto escalar por posição
filter, mapa de características
a pequena grade aprendida de pesos; e a imagem de suas respostas
Sua vez

As imagens dos dígitos vêm como um array de formato (N, 8, 8, 1): N imagens, 8 linhas, 8 colunas e 1 canal por último (nível de cinza de 0 a 1). Esse layout de canais por último é usado para cada imagem neste módulo. Escreva shift(X, dx) que move cada imagem dx pixels para a direita (use np.roll ao longo do eixo da coluna). Depois preencha acc com a acurácia de teste da MLP treinada nos deslocamentos 0, 1 e 2.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.