Analyse verschiedener Verfahren zur Klassifikation von Bildern
Masterthesis (c) by Sven Maack (inf101913)
Inhalt
- Grundidee / Theorie
- Daten
- Analytische Verfahren
- Neuronale Netze
- (Optimierungen)
Grundidee
- Erfahrung aus der Alike App
- Ziel ist die Kategorisierung von Bildern
- Vergleich verschiedener Ansätze mit dem Hype der Neuronalen Netze
- Nachvollziehbarkeit / Interpretierbarkeit
Theorie
- Merkmalsextraktion
- Aufteilung in Trainings- / Validierungs- / Testmenge
- Representer Theorem
Daten
Visualisierung
- PCA (Haupkomponentenanalyse)
Visualisierung (t-SNE)
- Verschiebung gemäß Ähnlichkeit
- Gaußverteilung
Visualisierung (t-SNE)
Triviale Methoden
- Mittelwertberechnung (17%-23%)
- kNN (85%-98%)
Regressionen
y = m' x + b
- Erkennunsgrate von 84%-93%
- Problem in Komplexität des Featurevektors
Ridge-Regressionen
Erkennungsrate: 62% - 76%
Kernel-Regressionen
Kernel-Regressionen
- Mercer Theorem
- Erkennungsrate: 83%-88%
Kernel-Probleme
Support Vektor Maschine
Zwischenresultat
Neuronale Netze
Cells that fire together wire together
Approximations Theorem
Convolutional Neural Network
Convolutional Neural Network
Resultat
Gut aber...
Optimierungen
Erkennung der RR von 62.5% auf 79,6% gestiegen
Noch Fragen?
KI
By Sven Maack
KI
- 141