Apprendre la reconnaissance d'images en codant

Découvrir comment charger et prétraiter des données, importer un réseau, effectuer l'apprentissage par transfert et tester le réseau pour du Deep Learning avec des images.

Pour suivre le tutoriel :

  1. Téléchargez le code
  2. Ouvrez-le dans MATLAB

Vous n'y avez pas accès ?  Obtenez une version d'essai gratuite dès à présent.

Temps nécessaire pour compléter le tutoriel :
Entre 15 et 30 minutes
Prérequis :
Compétences MATLAB de base

Besoin d'un rappel sur les connaissances ? Essayez un tutoriel interactif gratuit.

Étape 1

Charger et prétraiter les données

Importez, gérez et stockez les données de vos projets de Deep Learning avec des images.

 

Vous avez appris à : importer et préparer des données d'apprentissage

  • Charger des données en tant que datastore d'images
  • La fonction imageDatastore permet de labéliser automatiquement les images d'après les noms de dossier
  • Le prétraitement des données est une première étape courante du workflow de Deep Learning pour préparer les données brutes dans un format acceptable par le réseau

Étape 2

Importer le réseau

Veillez à ce que la taille du réseau importé et des images soit adaptée pour produire un modèle très précis. 

 

Vous avez appris à : utiliser le réseau pour obtenir des prédictions du modèle avant un nouveau cycle d'apprentissage

  • Importer des réseaux et des architectures de réseau depuis TensorFlow-Keras, TensorFlow 2, Caffe et le format de modèle ONNX (Open Neural Network Exchange)
  • Exporter un réseau entrainé de Deep Learning Toolbox au format de modèle ONNX

Étape 3

Apprentissage par transfert

Modifiez un réseau existant pour travailler avec vos données et ainsi pouvoir personnaliser le Deep Learning pour effectuer une tâche spécifique.

 

Vous avez appris à : préparer le modèle pour une nouvelle tâche

  • Transférer les caractéristiques d'un modèle préentraîné vers un nouveau problème
  • L'apprentissage par transfert est plus rapide et plus simple que d'entraîner un nouveau réseau
  • Réduire le temps d'apprentissage et la taille du jeu de données
  • Effectuer le Deep Learning sans avoir besoin d'apprendre comment créer un tout nouveau réseau

Étape 4

Tester le réseau

Vérifiez si le modèle fonctionne bien avec les nouvelles données, et pas uniquement avec celles qu'il a apprises pendant l'apprentissage.

 

Vous avez appris à : tester toutes les images du jeu de données de validation et à évaluer si le réseau est bien entraîné

  • Classifier les données de validation et calculer la précision de la classification
  • Utiliser un réseau préentraîné pour d'autres tâches
  • Résoudre les nouveaux problèmes de classification de vos images à l'aide de l'apprentissage par transfert ou de l'extraction de caractéristiques