Aller plus loin

Modélisation d'images avec Keras

Ariel Rokem

Senior Data Scientist, University of Washington

Réseau avec une couche de convolution

Modélisation d'images avec Keras

Réseau avec une couche de convolution : implémentation

model = Sequential()
model.add(Conv2D(10, kernel_size=2, activation='relu', 
                 input_shape=(img_rows, img_cols, 1)))
model.add(Flatten())
model.add(Dense(3, activation='softmax'))
Modélisation d'images avec Keras

Construire un réseau plus profond

Modélisation d'images avec Keras

Construire un réseau profond

model = Sequential()
model.add(Conv2D(10, kernel_size=2, activation='relu', 
                 input_shape=(img_rows, img_cols, 1), 
                 padding='equal'))

# Second convolutional layer
model.add(Conv2D(10, kernel_size=2, activation='relu')

model.add(Flatten())
model.add(Dense(3, activation='softmax'))
Modélisation d'images avec Keras

Pourquoi vouloir des réseaux profonds ?

Modélisation d'images avec Keras

Caractéristiques dans les premières couches

Modélisation d'images avec Keras

Caractéristiques dans les couches intermédiaires

Modélisation d'images avec Keras

Caractéristiques dans les couches finales

Modélisation d'images avec Keras

Jusqu'à quelle profondeur ?

  • La profondeur a un coût de calcul
  • Peut exiger plus de données
Modélisation d'images avec Keras

Passons à la pratique !

Modélisation d'images avec Keras

Preparing Video For Download...