© Institut biostatistiky a analýz
Analýza a klasifikace dat –
přednáška 12
RNDr. Roman Vyškovský
Podzim 2020
KONVOLUČNÍ
NEURONOVÁ SÍŤ
KONVOLUČNÍ NEURONOVÁ SÍŤ
MOTIVACE
KONVOLUČNÍ JÁDRO
KONVOLUČNÍ VRSTVA
zdroj: https://cs.sciencewal.com/81012‐types‐of‐convolutions‐in‐deep‐learning‐717013397f4d‐15
KONVOLUČNÍ VRSTVA
zdroj: https://cs.sciencewal.com/81012‐types‐of‐convolutions‐in‐deep‐learning‐717013397f4d‐15
AKTIVAČNÍ FUNKCE (ReLU)
zdroj: wikipedia
PŘÍZNAKOVÉ MAPY
zdroj: http://neuralnetworksanddeeplearning.com/chap6.html
KONVOLUČNÍ NEURONOVÁ SÍŤ
PODVZORKOVACÍ VRSTVA
(pooling layer)
AVERAGE POOLING MAX POOLING
zdroj: https://www.researchgate.net/figure/Average‐pooling‐and‐max‐pooling_fig4_335609766)
KONVOLUČNÍ NEURONOVÁ SÍŤ
KLASICKÁ NEURONOVÁ SÍŤ
zdroj: wikipedia
VRSTVA SOFTMAX
zdroj: http://eric‐yuan.me/simple‐deep‐network)
KONVOLUČNÍ NEURONOVÁ SÍŤ
TRANSFER LEARNING
• Tato metoda umožňuje využít již natrénovaných neuronových sítí (AlexNet,
GoogLeNet apod.), které byly naučeny na velkých datových souborech,
proto si ve svých konvolučních vrstvách našly vhodné transformace pro
redukci mnohých vstupních obrazů
• Postup:
– Je třeba upravit obrazy tak, aby odpovídaly dimenzi obrazů, na které byla KNS
původně trénována
– Restartovat váhy té částí KNS, kde se nachází dopředná neuronová síť,
popřípadě vytvořit jinou architekturu této části sítě
– Použijí se tak pouze konvoluční a podvzorkovací vrstvy původní sítě
– KNS naučit na vlastním datovém souboru
TRANSFER LEARNING
HLUBOKÉ UČENÍ: FRAMEWORKY