Aprendizagem automática prática para visão computacional

Capítulo 2. Modelos de ML para visão

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Neste capítulo, aprenderá a representar imagens e a treinar modelos básicos de aprendizagem automática para classificar imagens. Descobrirás que o desempenho das redes neurais lineares e totalmente ligadas é fraco em imagens. No entanto, ao longo do caminho, aprenderás a usar a API do Keras para implementar primitivas de ML e treinar modelos de ML.

Dica

O código para este capítulo está na pasta 02_ml_models do repositório GitHub do livro. Forneceremos nomes de arquivos para amostras de código e notebooks quando aplicável.

Um conjunto de dados para a perceção automática

Para efeitos deste livro, será útil se pegarmos num único problema prático e construirmos uma variedade de modelos de aprendizagem automática para o resolver. Supõe que recolhemos e etiquetámos um conjunto de dados de quase quatro mil fotografias de flores. Existem cinco tipos de flores no conjunto de dados 5-flowers (ver Figura 2-1), e cada imagem do conjunto de dados já foi etiquetada com o tipo de flor que representa.

Figura 2-1. As fotografias do conjunto de dados 5-flowers são de cinco tipos de flores: margaridas, dentes-de-leão, rosas, girassóis e tulipas.

Imagina que queremos criar um programa de computador que, ao receber uma imagem, nos diga que tipo ...