لى لين مترجم الانتهاء

إنتاج و qubit | عدد ملفه QbitAI

من مجموعة متنوعة من برامج التعرف على الصور لرؤية وجهة نظرنا، يبدو أن آلة للاعتراف كل يوم الكائنات التي تظهر الوجه والقطط والكلاب، والزهور، وجميع أنواع السيارات وهلم جرا، ولكن في الواقع، هناك فرضية: لديك ل صورة من هذه الفئات، أجرينا التدريب.

بدلا من ذلك، يطلق عليه "تصنيف الصور."

ليست معقدة إنشاء المصنف الصورة، بلوق التكنولوجيا المصدر أيمن نشرت مؤخرا مقالا يصف كيفية تحقيق بسرعة مع TensorFlow تصنيف الصور.

وفيما يلي مقتطفات من المحتوى و qubit هذا المقال:

قبل الدخول في الموضوع، ونحن نتحدث عن بعض المفاهيم الأساسية.

تصنيف الصور هو كيفية تحقيقه؟

الصورة المدخلة إلى النظام المدربين، وسوف نحصل على مجموعة من القيم احتمال: كل فئة لديها مدربين، ثم صورة سيعود إلى فئة وفقا لأعلى احتمال.

على سبيل المثال، تقوم بتدريب نظام لتحديد القطط والكلاب. عند إدخال صورة، يقوم النظام بإخراج احتمال هذه الصورة تنتمي إلى القط واحتمال بالانتماء للكلاب.

ومع ذلك، لديها هذا التصنيف أيضا عيب: إذا قمت بإدخال صورة ثعبان، فإنه يمكن الحكم فقط مع احتمال كبير هذه الصورة تحتوي على القط، والكلب أو وجود احتمال كبير لاحتواء ذلك.

الشبكة العصبية وعمق الشبكة العصبية

باختصار، يتم توصيل الشبكة العصبية إلى وحدة الحوسبة، يمكن تعلمها من مجموعة من البيانات المقدمة إليها.

مكدسة في الشبكات العصبية متعدد الطبقات معا، نحصل على عمق الشبكة العصبية. إنشاء وتشغيل عمق التدريب العملية الشبكة العصبية، ودعا التعلم العميق.

قبل الافراج عن المادة المكدسة يفصل "25 تعلم عمق المفاهيم الأساسية" بما في ذلك الشبكات العصبية، بما في ذلك، يمكنك النقر للاطلاع.

TensorFlow

TensorFlow هي مكتبة الرياضية، ولكن أيضا عمق مجال الدراسة الأكثر استخداما إطار المصدر المفتوح التي وضعتها جوجل.

في هذه المقالة، سوف نستخدم نموذج ما قبل التدريب TensorFlow لوضع المصنف لدينا.

ترغب في تعيين هذا التصنيف، وهناك العديد من الشروط:

• TensorFlow تثبيت وإعداد على الجهاز الخاص بك؛

• سوف تستخدم بايثون.

يتم تدريب المصنف من الصفر عمق التعلم أسابيع تتخذ، أشهر حتى، اعتمادا على ما هي الأجهزة التي تستخدمها. لتجنب هذه المشاكل، وسوف نستخدم نموذج ما قبل المدربين. Pretrained Tensorflow قادرة على تحديد نماذج مختلفة عادة حوالي 1000 كائن الفئة.

بعد ذلك، بدأنا في إنشاء صورتك الخاصة المصنف:

الخطوة 1: تحميل نماذج المدربين قبل والرسوم البيانية والنصوص حساب

هذه منطقة تخزين استنساخ، وأدخل الأمر التالي:

بوابة استنساخ https://github.com/akshaypai/tfClassifier

الخطوة 2: تشغيل البرنامج النصي للعثور على أفضل التوقعات

يمكنك تقديم صورة لتصنيفها، لتشغيل هذا البرنامج النصي. افتراضيا، فإنه سيتم عرض أعلى النتائج الاحتمالات.

بيثون classifier.py --image_file file_path_to_image

إذا كنت ترغب في الحصول على أول نتائج تصنيف قليلة، يمكنك استخدام المعلمات التالية.

بيثون classifier.py --image_file file_path_to_image --num_top_predictions number_of_top_results

مثال: فيما يلي لدينا الرمان صورة المدخلات، والنتائج التي تم الحصول عليها.

الثعبان classifier.py --image_file ~ / صور / fruit.jpg

المصنف أن هذه الصورة هي الرمان، واحتمال 98.

الخطوة 3: تشغيل برنامج نصي للحصول على دروس ن الأولى التي تم تحديدها

الآن دعونا في محاولة لإعطاء صورة مع المزيد من السمات، مثل صورة من المنزل ما يلي:

الثعبان classifier.py --image_file ~ / صور / house.jpg --num_top_predictions السياج 5picket، سياج (النتيجة = 0.95750)

وكما يتبين من النتائج المذكورة أعلاه، وإمكانية المصنف يعتقدون يتم تضمين هذه الصورة في السياج هو 95، وربما تحتوي على سياج آخر، فناء / تراس.

وTensorFlow تدريب ما قبل صورة نموذج التصنيف، هو بهذه البساطة. ومع ذلك، قبل تدريب نموذج يمكن تحديد الطبقة محدودة، إذا كنت ترغب في التمييز بين فئات المصنف التي تحتاج إليها، تحتاج إلى الإبقاء على النموذج.

أدناه، وسنقوم شرح كيفية الإبقاء على النموذج.

الخطوة 1: إعداد مجلد من الصور

وتتضمن هذه الخطوة تأسيس بنية المجلد، لذلك TensorFlow يمكن الوصول بسهولة إلى هذه الفئات. على سبيل المثال، وتريد لتدريب الشبكة العصبية، وتحديد 5 الزهور: الورود، والزنبق، الهندباء، زهرة الكاكاو، القطيفة.

عند إنشاء بنية المجلد:

إنشاء مجلد لكل نوع من الزهور، اسم المجلد هو اسم الفئة (في مثالنا، واسم هذه الزهرة)؛

صورة زهرة لإضافة المجلدات الخاصة بها. على سبيل المثال، جميع الصور من الورود إلى مجلد "روز".

كل مجلد إلى مجلد آخر في الأصل، مثل "الزهور".

بعد كاملة، سترى بنية المجلد:

~ / زهور

يتم تعيين كافة المجلدات على هذا النحو، بنية المجلد جاهز.

الخطوة 2: تشغيل البرنامج النصي إعادة التدريب

استخدم الأمر التالي لتشغيل البرنامج النصي:

الثعبان retrain.py --model_dir ./inception --image_dir ~ / الزهور --output_graph ./output --how_many_training_steps 500

معلمات سطر الأوامر:

-model_dir: تحدد هذه المعلمة موقع نموذج ما قبل التدريب. مجلد النماذج المخزنة في مستودع بوابة ملف إنشائها قبل المدربين.

-image_dir: المسار إلى ملف الصورة التي تم إنشاؤها في الخطوة السابقة في المجلد.

-output_graph: تدريب موقع لتخزين خريطة جديدة.

-how_many_training_steps: تدريب الخطوات يشير إلى عدد من التكرارات لأداء، الافتراضي هو 4000. العثور على العدد الصحيح من الأوقات للذهاب من خلال التجربة والخطأ، وجدت مرة واحدة أفضل الإعداد، يمكنك البدء في الاستخدام.

المعلمات التالية يمكن استخدامها لتحسين دقة النموذج:

random_crop: قطع عشوائي يسمح لك أن تركز على الجزء الرئيسي من الصورة.

Random_scale: قطع وما شابه ذلك، ولكن يمكن تمديد عشوائي حجم الصورة.

flip_left_right: الوجه.

ما سبق هو على بعد خطوات إعادة التدريب المطلوبة عمق نموذج التعلم، حتى تتمكن من تخصيص التعرف على الأشياء.

[نهاية]

تجنيد

نحن نبحث عن محررين وصحفيين والمشغلين وظائف أخرى، ومقرها في تشونغ قوان تسون في بكين، ونتطلع إلى وصولك، لتجربة الذكاء الاصطناعي ارتفاع.

مزيد من التفاصيل، في عدد من واجهة الحوار العامة، يجيب: "التجنيد" كلمة.

أكثر شيء واحد ...

ما يفعله قلق المجتمع AI اليوم؟ في الكم بت (QbitAI) جلسة علنية واجهة رقم الرد "اليوم" لمعرفة صناعة منظمة العفو الدولية والبحوث وجمع ديناميات شبكتنا بأكملها. عبوة ~