Please enable JavaScript.
Coggle requires JavaScript to display documents.
Computer Vision - Coggle Diagram
Computer Vision
Data Augmentation
añadir ruido a imágenes
rotar
cambiar escala RGB
filtros
Transfer learning
cuando nuestro dataset es pequeño
reentrenar red con nuestro pequeño dataset
dificultad para la clasificación de imágenes
Convolutional Neural Network
altas dimensiones manejables
explotan la topología 2D/3D de los pixeles
estructura
capa convolucional
extraen features de la imágen
convolución: operacion matemática entre matrices
aplica filtro a la img
mapas de activación
Pooling
reduce dimensinalidad
input layer
imagen de entrada/pixeles/greyscale/RGB
ReLu
aplicación de no linearidad
funcion de activacion de las neuronas
Fully Connected Layers
(n-veces)
se aplana el vector
SoftMax
capa final para los calculos de salida
Regularización
demasiada cantidad de parámetros
solución a CNN muy grandes
Bias Variance Tradeoff
Bias
distancia de la media del modelo a la solución
cuando el modelo no puede aprender bien los datos
Bias Alto = Underfitting
Variance
cambios en el modelo para diferentes conjuntos de entrenamiento
demasiada capacidad de aprendizaje y tambien aprende ruido
Variance Alto = Overfitting
Técnicas
Clásica
L1 & L2
para NN
dropout
elimina neuronas random
early-stop
parar antes de epochs para evitar que empeore
weight decay
penaliza los pesos muy grandes que se llevan todo el aprendizaje