Analyse avancée avec PySpark

Chapitre 10. Détection de la similarité des images avec leDeep Learning et PySpark LSH.

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Que tu les rencontres sur les médias sociaux ou dans les magasins de commerce électronique, les images font partie intégrante de nos vies numériques. En fait, c'est un ensemble de données d'images-ImageNet-qui a été un élément clé pour déclencher la révolution actuelle du Deep Learning. La performance remarquable d'un modèle de classification lors du défi ImageNet 2012 a constitué une étape importante et a conduit à une attention généralisée. Il n'est donc pas étonnant que tu sois susceptible de rencontrer des données d'images à un moment ou à un autre en tant que praticien de la science des données.

Dans ce chapitre, tu vas acquérir de l'expérience dans la mise à l'échelle d'un flux de travail d'apprentissage profond pour une tâche visuelle, à savoir la détection de similarité d'images, avec PySpark. La tâche consistant à identifier les images qui sont similaires les unes aux autres vient intuitivement aux humains, mais c'est une tâche informatique complexe. À grande échelle, elle devient encore plus difficile. Dans ce chapitre, nous présenterons une méthode approximative de recherche d'éléments similaires appelée locality sensitive hashing, ou LSH, et nous l'appliquerons aux images. Nous utiliserons le Deep Learning pour convertir les données d'image en une représentation ...