Machine learning pratico per la visione artificiale
by Valliappa Lakshmanan, Martin Görner, Ryan Gillard
Capitolo 2. Modelli ML per la visione
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
In questo capitolo imparerai a rappresentare le immagini e ad addestrare modelli di apprendimento automatico di base per classificare le immagini. Scoprirai che le prestazioni delle reti neurali lineari e completamente connesse sono scarse sulle immagini. Tuttavia, lungo il percorso, imparerai a utilizzare le API di Keras per implementare le primitive ML e addestrare i modelli ML.
Suggerimento
Il codice di questo capitolo si trova nella cartella 02_ml_models del repository GitHub del libro. Indicheremo i nomi dei file per gli esempi di codice e i quaderni di appunti, se necessario.
Un set di dati per la percezione artificiale
Ai fini di questo libro, sarà utile prendere un singolo problema pratico e costruire una serie di modelli di apprendimento automatico per risolverlo. Supponiamo di aver raccolto ed etichettato un dataset di quasi quattromila fotografie di fiori. Ci sono cinque tipi di fiori nel dataset 5-flowers (vedi Figura 2-1) e ogni immagine del dataset è già stata etichettata con il tipo di fiore che raffigura.
Figura 2-1. Le fotografie del dataset 5-flowers sono di cinque tipi di fiori: margherite, denti di leone, rose, girasoli e tulipani.
Supponiamo di voler creare un programma per computer ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access