Rozpoznawanie obrazów w sieciach CNN, w oparciu o DL4j

Rozpoznawanie obrazów w sieciach CNN, w oparciu o deeplearning4j

State-of-the-art performance - to określenie można bardzo często znaleźć w materiałach dotyczących sieci neuronowych a w szczególności sieci CNN. Podstawy teoretyczne są starsze niż nam się wydaje jednak dopiero w 2012 świat oszalał na punkcie tych sieci, po sukcesie architektury AlexNet uczonej zestawem obrazków ImageNet. Od tego czasu ich burzliwy rozwój jest aż trudny do uwierzenia, więc podczas prezentacji przejdziemy przez podstawy działania sieci CNN (warstwowej) podczas przetwarzania obrazków, jak również podczas podczas uczenia czyli wyliczania pochodnych, gradientu i aktualizacji parametrów całej sieci. Będzie trochę teorii, trochę kodu i dużo wizualizacji.

Poziom trudności: łatwy

Język prezentacji: PL

Prelegent: Marek Będkowski

Programista Java, JEE, Spring, technical leader. Ostatnimi czasu zajmuję się rozwojem komponentów przetwarzających oraz analizujących transmisje sportowe w czasie rzeczywistym w oparciu o framework netty.io oraz deeplearning4j.