Reconhecimento de imagem usando aprendizagem profunda

Aprendizagem profunda pode ser aplicada a muitos problemas de processamento de imagens e visão computacional com grande sucesso. Usando NetChain e NetTrain, você pode definir e treinar uma rede neural que classifique um dígito escrito à mão a uma dada imagem.

Obtenha dados treinamento e validação do banco de dados MNIST de dígitos escritos à mão.

In[1]:=

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

In[2]:=

RandomSample[trainingData, 5]

Out[2]=

Projete uma rede neural de convolução arquitetada para o reconhecer imagens em tons de cinza 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]=

Treine a rede com três rodadas de treinamento.

In[4]:=

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

Out[4]=

Execute a rede treinada diretamente sobre as imagens da amostra aleatória do conjunto de validação.

In[5]:=

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

Out[5]=