Machine learning pratico per la visione artificiale
by Valliappa Lakshmanan, Martin Görner, Ryan Gillard
Capitolo 3. Visione dell'immagine
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Nel Capitolo 2 abbiamo analizzato i modelli di apprendimento automatico che trattano i pixel come input indipendenti. I tradizionali livelli di rete neurale completamente connessi non funzionano bene sulle immagini perché non sfruttano il fatto che i pixel adiacenti sono altamente correlati (vedi Figura 3-1). Inoltre, il collegamento completo di più livelli non prevede alcuna disposizione speciale per la natura gerarchica 2D delle immagini. I pixel vicini tra loro lavorano insieme per creare forme (come linee e archi) e queste stesse forme lavorano insieme per creare parti riconoscibili di un oggetto (come il gambo e i petali di un fiore).
In questo capitolo, cercheremo di porre rimedio a questa situazione esaminando tecniche e architetture di modelli che sfruttano le proprietà speciali delle immagini.
Suggerimento
Il codice di questo capitolo si trova nella cartella 03_image_models del repository GitHub del libro. Indicheremo i nomi dei file per gli esempi di codice e i quaderni di appunti, se necessario.
Figura 3-1. L'applicazione di un livello completamente connesso a tutti i pixel di un'immagine tratta i pixel come input indipendenti e ignora che le immagini hanno pixel adiacenti che lavorano insieme per ...
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