Программа курса Урок 111 из 246 · Модуль 10: Сети, которые видят (CNN)
Модуль 10: Сети, которые видят (CNN)

Почему изображения ломают MLP

Почему это важно Ваш распознаватель цифр из модуля 3 набирал около 95%, а чуть больший в этом уроке набирает около 98%. Сдвиньте каждую цифру на один пиксель вправо, и он рушится. Понять почему - вся причина существования свёрточных сетей.

MLP даёт каждому пикселю свой вес. Он учит "яркий пиксель в строке 3, столбце 5 означает 7". Сдвиньте цифру на пиксель, и каждый яркий пиксель попадёт на вес, выучивший что-то другое. Для MLP сдвинутая 7 - совершенно новая картинка.

Нам нужна сеть, которая узнаёт узор, где бы он ни появился. Запомните эту мысль; следующий урок строит инструмент.

Инвариантность к сдвигу: тот же ответ, когда вход сдвигают. У MLP её нет; у CNN в основном есть.

Слова и символы этого урока
свёртка
скольжение маленькой сетки весов (фильтра) по изображению, одно скалярное произведение на позицию
фильтр, карта признаков
маленькая обучаемая сетка весов; и изображение её откликов
Твоя очередь

Изображения цифр приходят массивом формы (N, 8, 8, 1): N изображений, 8 строк, 8 столбцов и 1 канал последним (уровень серого от 0 до 1). Такая раскладка с каналами в конце используется для каждого изображения в этом модуле. Напишите shift(X, dx), которая сдвигает каждое изображение на dx пикселей вправо (используйте np.roll по оси столбцов). Затем заполните acc точностью обученного MLP на тесте при сдвигах 0, 1 и 2.

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.