JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 5. Перенос обучения: переиспользование предобученных нейронных сетей
225
Рис. 5.13.
Пример синтезированных изображений для задачи обнаружения простых объектов. 
Блок A: роль целевого объекта играет повернутый равносторонний треугольник. Блок Б: 
роль целевого объекта играет прямоугольник. Прямоугольник с меткой true — истинный 
ограничивающий прямоугольник для интересующего нас объекта. Учтите, что интересующий 
нас объект иногда может оказаться частично закрыт некоторыми зашумляющими объектами 
(отрезками и кругами)
По завершении обучения модель сможет определить местоположение целевых 
объектов и классифицировать их с достаточно хорошей степенью безошибочности 
(как демонстрируют примеры на рис. 5.13). Чтобы лучше разобраться в том, как об­
учить модель решать эту задачу, заглянем в соответствующий код.
5.2.2. Углубляемся в обнаружение простых объектов
Создадим нейронную сеть для решения задачи обнаружения объектов в синтезиро­
ванных изображениях. Как и ранее, в основу модели ляжет предобученная MobileNet 
ради использования широких возможностей выделения визуальных признаков ее 
сверточных слоев. Для этой цели в листинге 5.9 служит метод 
loadTruncatedBase()
. 
Однако перед нашей моделью стоит новое испытание — два предсказания одно­
временно, а именно, определение формы целевого объекта и поиск его координат 
в изображении. Ранее мы не сталкивались с подобными задачами двойного предска­
зания. Для ее решения воспользуемся следующим приемом: будем выдавать на вы­
ходе модели тензор, инкапсулирующий оба этих предсказания, и придумаем новую 
функцию потерь для измерения того, насколько хорошо модель решает обе задачи 
одновременно. Мы 
могли бы
обучить две отдельные модели: одну для классификации 
формы объекта, а вторую — для предсказания ограничивающего прямоугольника. 
Но две модели потребуют больше вычислительных ресурсов и памяти, чем одна, 
и не позволят нам использовать для обеих задач одни слои выделения признаков 
(следующий код можно найти в файле 
simple-object-detection/train.js
).

---