Как придумывать архитектуры CNN для нужных задач?

Захотелось написать CNN для классификации кошек , столкнулся с проблемой выбора нужной архитектуры для CNN .Где находить архитектуры для разных задач и как самому создавать нужные архитектуры?Есть литература на эту тему?

0

Ихтамнет
Настамнет
А, на английском же названия. См туды https://en.wikipedia.org/wiki/... ure_search - в сторону NASNet и прочих.
В общем, пусть комп думает - у него мозги и память кремниевые. Котики ведь не обидятся?

1

Промелькнул там генетический алгоритм, значит по сути это метод научного тыка.
Наверно нужна лютая видеокарта и много много кВт электроэнергии для игры с распознанием изображений. Есть их у вас? Не жалко? По идее там автоенкодер должен создавать фичи для рисования котиков и потом их брать для классификации. Более умный метод создавать фичи самостоятельно но это уже по идее эксперт уровень. Смотрели детекторы фичей? Визуально там больше половины просто мусор =).Судя по победителям imagenet плевать они хотели на сложность вычислений и оптимизацию. Вот ввести критерий оценки (количество вычислений\точность ответа) и победитель упадет почти в самый низ…

1

Ни чего нет ,только старый ноутбук который еле тянет кс в 30 фпс .Скоро появится кластер из 3 малинок ,он будет по мощнее в раза 2.

0

А, ну тогда нужно тупо допилить что-то готовое:
1. Берётся уже обученная CNN для какой-то задачи с примерно тем же размером картинки (чтобы для Вашего размера картинок сетке не пришлось отрезать или добавлять св.слои для получения примерно тех же размеров выходов детекторной части).
2. Отрезаются и выбрасываются выходные dense-слои (персептронные).
3. Через полученный огрызок (детектор фич из уже обученных кем-то свёрточных слоёв) ОДНОКРАТНО прогоняются картинки Ваших обучающей и тестовой выборок, результаты (выходы огрызка) при этом сохраняются.
4. Далее на этих преобразованных выборках обучается MLP (но можно и SVM, и деревяшку) с нужным числом выходных нейронов - и затем пришивается к уже готовому=старому свёрточному блоку-детектору. Вуаля!

Т.е. главное - найти подходящую под железо нейробиблиотеку, и затем - в зоопарке доступных для неё примеров (или среди работ пользователей) найти уже обученную сетку, примерно подходящую под разрешение/особенности нужных картинок, и при этом достаточно нетребовательную к вычислительным мощностям (что-то из "мобильных" нейронок пойдёт).
Причём нейронка не обязательно должна быть для классификации=распознавания. Для сегментации картинок либо для поиска объектов на картинке тоже пойдёт - но её придётся резать уже по "узкому слою" (по выходу компрессора, откидывая декомпрессор в исходное разрешение и идущий за декомпрессором попиксельный обработчик-сегментатор либо выбиратель наиболее вероятных прямоугольников-положений объекта).

0

Перед изучением всей этой анархии я поставил себе цель написать свою либу с нуля и максимально понять суть работы НН.Но для написания я выбрал не популярный язык для этих дел c#.

0

Очень много сверток в этом проблема, игра с изображениями вычислительно очень тяжелая. Тут нужны не графические вычисления на видеокарте и цена такой игрушки… Да и RGB очень много цветов + 3 канала там все это останавливает и отпугивает простых смертных =). Да и гляньте там примеры работы сети у тех кто собирал готовые, много результатов там просто жесть…

Как максимальное упрощение я вижу реальной только игру с черно-белыми изображениями. Они тоже могут быть весьма симпатичны и вычисления ну легче уже не будет…2 цвета.
+всего 2 цвета вместо 16 млн,
+всего 1 канал вместо 3 RGB.
+легко рисовать форму т.к. это закрашивание многоугольников.

Как пример перенос стиля черно-белых изображений.
Например выбираем два растения и переносим стиль одного на другое.

Или более сложные растры.

Искал давно внятную пошаговую инфу пример по стилизации но никак… много воды и теории. Наверно если бы было не очень сложно то стилизацию лепили бы все желающие.

0

Сообщение от Excalibur921 Искал давно внятную пошаговую инфу пример по стилизации но никак… много воды и теории. Наверно если бы было не очень сложно то стилизацию лепили бы все желающие.

Гуглите "перенос стиля" или "style transfer".
https://habr.com/ru/post/453512/
Еще на каггле поищите.

Кажется про перенос стиля смотрел в видеолекциях "Компьютерное зрение" Антона Конушина.

0

Сообщение от Mikhaylo перенос стиля смотрел в видеолекциях

Между пониманием как работает автомобиль и проектированием двигателя авто просто пропасть.
Давно полистал N ссылок + поиск по книгам.
Автоматическое раскрашивание изображений
Архитектуры свёрточной и развёрточной нейронных сетей

0

Сообщение от pifpafich Но для написания я выбрал не популярный язык для этих дел c#.

С# - очень мощный и удобный ЯП, если надо быстро написать алгоритм, который потом если понадобится пока кофе не остыло портировать на С++ то С# - очень правильный выбор. Сразу писать на плюсах если речь идёт о творческом поиске и экспериментах, будет в разы накладнее из за работы с памятью, а на питоне писать - 100-кратные тормоза в вычислениях и потом далеко не тривиальное портирование на плюсы как в случае с шарпом. Ну и не стоит наверно напоминать что питон это в основном си и плюсы, с гламурной оболочкой, питон только для конфинфигурирования УЖЕ ГОТОВОГО, эксперименты на питоне в узких пределах, тоже по своей сути конфигурационные, а когда работа идёт с алгоритмами то это или ява или шарп, а потом перенос на плюсы, хотя есть конечно умельцы которые на плюсах сразу думают, но к этому нужно идти десятилетиями.

0