심층 학습을 사용한 화상 인식
심층 학습은 다양한 이미지 처리 및 컴퓨터 비전 문제에 적용하여 좋은 결과를 얻을 수 있습니다. NetChain과 NetTrain을 사용하여 이미지에서 주어진 육필의 숫자를 분류하는 신경망을 정의하고 훈련할 수 있습니다.
육필 숫자에 대한 MNIST 데이터베이스에서 훈련과 확인을 위해 데이터를 얻습니다.
In[1]:=
resource = ResourceObject["MNIST"];
trainingData = ResourceData[resource, "TrainingData"];
testData = ResourceData[resource, "TestData"];In[2]:=
RandomSample[trainingData, 5]Out[2]=
28×28 그레이 스케일 이미지를 인식할 수 있도록 구축된 합성곱 분류 신경망을 설계합니다.
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]=
세번의 훈련 라운드를 거쳐 네트워크를 훈련합니다.
In[4]:=
lenet = NetTrain[lenet, trainingData, ValidationSet -> testData,
MaxTrainingRounds -> 3];Out[4]=
훈련된 네트워크를 확인 집합에서 무작위로 샘플링된 이미지에 직접 사용하여 평가합니다.
In[5]:=
imgs = Keys @ RandomSample[testData, 5];
Thread[imgs -> lenet[imgs]]Out[5]=
