Докладчик: Данил Руденко
О докладе:
У нашего зоопарка опять проблемы, которые необходимо решить максимально технологично!
На первом докладе мы поговорили о сверточных нейронных сетях, в этот раз рассмотрим такие виды нейронных сетей как автоэнкодеры и GAN’ы( генеративные состязательные сети). Также углубимся немного в Keras, напишем кастомный загрузчик данных и немного посмотрим на Jupyter Notebook.
Видео: https://youtu.be/tu-ee_4uAGY
11. Автоэнкодеры(AE)
- Сети прямого распространения
- Скрытый слой(слои) - описывает
модель
- Старается восстановить входной
сигнал на выходе
- Учится создавать компактное
описание входных данных
12. Автоэнкодеры. Матан.
Энкодер - g и декодер - f .
Энкодер переводит входной сигнал в его представление(код): h = g(x), а декодер
восстанавливает сигнал по его коду: x = f(h) .
Автоэнкодер, изменяя f и g, стремится выучить тождественную функцию x =
f(g(x)), минимизируя функционал ошибки: L(x, f(g(x))).
16. Шумоподавляющий(denoising) автоэнкодер
Получает на входе искаженные данные и обучается предсказывать истинные, неискаженные данные
Оригинал с дефектами 9 эпоха обучения 45 эпоха обучения 90 эпоха обучения
22. Области применения
- Получение фотореалистичных изображений(дизайн одежды, сцены
компьютерных игр)
- Улучшение изображений(применение в астрономии)
- Подготовка кадров фильмов и мультипликации
- Аугментация изображений
- И многое другое...