Reconocimiento de imágenes usando aprendizaje profundo

El aprendizaje profundo puede ser aplicado exitosamente a muchos problemas de procesamiento de imágenes y visión por medio de la computación. Usando NetChain y NetTrain, usted puede definir y entrenar una red neuronal que clasifique a un dígito escrito a mano dada una imagen.

Obtenga datos de entrenamiento y validación de la base de datos de dígitos escritos a mano MNIST.

In[1]:=

resource = ResourceObject["MNIST"]; trainingData = ResourceData[resource, "TrainingData"]; testData = ResourceData[resource, "TestData"];

In[2]:=

RandomSample[trainingData, 5]

Out[2]=

Diseñe una red neuronal de convolución creada para reconocer imágenes en escala de grises 28×28.

In[3]:=

lenet = NetChain[ {ConvolutionLayer[20, 5], Ramp, PoolingLayer[2, 2], ConvolutionLayer[50, 5], Ramp, PoolingLayer[2, 2], FlattenLayer[], 500, Ramp, 10, SoftmaxLayer[]}, "Output" -> NetDecoder[{"Class", Range[0, 9]}], "Input" -> NetEncoder[{"Image", {28, 28}, "Grayscale"}] ]

Out[3]=

Entrene la red durante tres rondas.

In[4]:=

lenet = NetTrain[lenet, trainingData, ValidationSet -> testData, MaxTrainingRounds -> 3];

Out[4]=

Evalúe la red entrenada directamente en imágenes muestreadas de forma aleatoria del conjunto de validación.

In[5]:=

imgs = Keys @ RandomSample[testData, 5]; Thread[imgs -> lenet[imgs]]

Out[5]=