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]=
