Deep Learning para programadores com fastai e PyTorch

Capítulo 6. Outros problemas de visão computacional

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

No capítulo anterior, aprendeste algumas técnicas práticas importantes para treinar modelos na prática. Considerações como a seleção de taxas de aprendizagem e o número de épocas são muito importantes para obter bons resultados.

Neste capítulo, vamos analisar dois outros tipos de problemas de visão computacional: classificação e regressão de vários rótulos. O primeiro ocorre quando queres prever mais do que uma etiqueta por imagem (ou, por vezes, nenhuma) e o segundo ocorre quando as tuas etiquetas são um ou vários números - uma quantidade em vez de uma categoria.

No processo, estudaremos mais profundamente as activações de saída, os alvos e as funções de perda em modelos de aprendizagem profunda.

Classificação de vários rótulos

A classificação multi-rótulo refere-se ao problema de identificar ascategorias de objectos em imagens que podem não conter exatamente um tipo de objeto. Pode haver mais do que um tipo de objeto, ou pode não haver nenhum objeto nas classes que procuras.

Por exemplo, essa teria sido uma ótima abordagem para o nosso classificador de ursos. Um problema com o classificador de ursos que lançámos noCapítulo 2 foi que, se um utilizador carregasse algo que não fosse nenhum tipo de urso, o modelo continuaria a dizer que era um urso pardo, preto ou de peluche - não tinha capacidade para prever ...