From keras datasets import mnist

pyplot.imshow(train_X[i], cmap=pyplot.get_cmap('gray'))
pyplot.show()

Keyin nima?

Tasvir tasnifi haqida gap ketganda, hech narsa Konvolyutsion neyron tarmog'idan (CNN) o'tib keta olmaydi. CNN konvolyutsion qatlamlarni, birlashtiruvchi qatlamlarni va tekislash qatlamlarini o'z ichiga oladi.

Keling, ushbu qatlamlarning har biri nima qilishini ko'rib chiqaylik.

1.Konvolyutsion qatlam
Konvolyutsiya qatlami tasvirni nozikroq pikselli filtr bilan filtrlaydi. Bu piksellar orasidagi aloqani yo'qotmasdan tasvir hajmini kamaytiradi.
2. Birlashtiruvchi qatlam
Birlashtiruvchi qatlamning asosiy vazifasi konvolyutsiyadan keyin tasvirning fazoviy hajmini kamaytirishdir.

Birlashtiruvchi qatlam piksellar ichida maksimal, o'rtacha yoki yig'indi qiymatlarini tanlash orqali parametrlar sonini kamaytiradi.

Maksimal birlashma - eng ko'p ishlatiladigan birlashma usuli.

3. Qatlamni tekislash
Silliqlash qatlami ko'p o'lchovli piksel vektorini bir o'lchovli piksel vektori sifatida ifodalaydi.

Xulosa
Ushbu qo'llanma MNIST ma'lumotlar to'plamini Python-ga yuklash haqida edi. Biz MNIST ma'lumotlar to'plamini o'rganib chiqdik va MNIST ma'lumotlar to'plamidagi tasvirlarni tasniflash uchun ishlatilishi mumkin bo'lgan CNN-larni qisqacha muhokama qildik.

Agar siz Python-da tasvirni qayta ishlash haqida ko'proq ma'lumotga ega bo'lishni istasangiz, OpenCV yordamida Python-da tasvirlarni qanday o'qish haqida ushbu qo'llanmani o'qing.

OpenCV yordamida Python-da tasvirlarni o'qish

Python rasmlarni import qilishni va ular bilan tajriba qilishni osonlashtiradi. Python-da tasvirlarni qanday o'qishni bilish sizga tasvirni qayta ishlashni amalga oshirish va tasvir ma'lumotlarida mashina o'rganish modellarini o'rgatish imkonini beradi.

Tasvirni qayta ishlash nima?
Tasvirga ishlov berish yaxshilangan tasvirni olish yoki undan foydali ma'lumotlarni olish uchun tasvir ustida ba'zi operatsiyalarni bajarishni o'z ichiga oladi.

Tasvirga ishlov berish sohasi jadal rivojlanmoqda. Bu o'z-o'zidan boshqariladigan avtomobillardan tortib tibbiyot sohasidagi o'smalarni aniqlashgacha bo'lgan keng doiradagi ilovalarda qo'llanilishi mumkin bo'lgan tasvirlardagi ob'ektlarni aniqlash imkonini beradi.

Tasvirlar nima?

Bu bema'ni savol. Siz, albatta, tasvir nima ekanligini bilasiz. To'g'rirog'i, "Mashina uchun tasvir nima" degan savolni berish yaxshiroqdir.

Tasvir sifatida ko'rgan narsangiz aslida 2D kompyuter matritsasi.

Raqamli tasvir piksellar birikmasi sifatida saqlanadi. Bundan tashqari, har bir piksel turli xil kanallarni o'z ichiga oladi. Agar u kulrang rangdagi tasvir bo'lsa, unda faqat bitta piksel bor, rangli tasvir esa uchta kanalni o'z ichiga oladi: qizil, yashil va ko'k.

Har bir pikselning har bir kanali 0 dan 255 gacha bo'lgan qiymatga ega. Qizil, yashil va ko'kni turli nisbatlarda birlashtirib, biz har qanday rangni yaratishimiz mumkin.

Python-da tasvirlarni o'qish uchun OpenCV-dan foydalanish

Ushbu qo'llanmada biz OpenCV kutubxonasi yordamida Python-da tasvirlarni qanday o'qishni o'rganamiz.

OpenCV - bu ochiq manbali kompyuter ko'rish va mashinani o'rganish dasturlari kutubxonasi, birinchi navbatda, real vaqtda kompyuterni ko'rish uchun.