WEBVTT 00:00.490 --> 00:02.980 Bonjour et bienvenue au cours sur l'apprentissage en profondeur. 00:02.980 --> 00:06.900 Aujourd'hui, nous lançons des réseaux de neurones convolutionnels qui vont être passionnants. 00:06.910 --> 00:08.610 Plongeons-y directement. 00:08.620 --> 00:10.840 Nous allons commencer avec une image. 00:10.930 --> 00:13.210 Que voyez-vous quand vous regardez cette image. 00:13.580 --> 00:19.480 Voyez-vous une personne qui vous regarde ou voyez-vous une personne qui regarde à droite, vous 00:19.480 --> 00:25.860 pouvez voir que votre cerveau a du mal à s’adapter si vous regardez du côté droit de l’image. 00:25.870 --> 00:29.180 Il suffit de regarder la bordure droite sur laquelle vous verrez une personne regardant à droite. 00:29.260 --> 00:33.320 Si vous regardez le bord gauche de l'image, vous verrez une personne vous regarder. 00:33.700 --> 00:42.760 Et cela prouve simplement que ce que notre cerveau recherche quand nous voyons des choses, ce sont des fonctionnalités dépendant des fonctionnalités 00:42.760 --> 00:46.140 qu’il voit dépendant des fonctionnalités que vous traitez. 00:46.180 --> 00:48.610 Vous catégorisez les choses de certaines manières. 00:48.730 --> 00:54.010 Ainsi, lorsque vous regardez du côté droit de l'image, vous voyez certaines caractéristiques d'une personne qui cherche à piloter 00:54.010 --> 01:00.190 car elles sont plus proches de votre centre de mise au point et, par conséquent, votre cerveau est considéré comme une personne regardant 01:00.190 --> 01:00.930 de droite. 01:01.000 --> 01:06.790 Lorsque vous regardez à gauche de l'image, vous voyez plus de caractéristiques d'une personne qui vous regarde et 01:06.790 --> 01:09.580 par conséquent, votre cerveau la classe comme telle. 01:09.580 --> 01:11.150 Alors regardons un autre. 01:11.230 --> 01:12.840 C'est une image très célèbre. 01:12.910 --> 01:14.530 Vous l'avez probablement déjà vu. 01:14.680 --> 01:16.240 Mais ce que vous voyez ici 01:16.820 --> 01:23.830 Ainsi, certaines personnes diront qu’elles voient une jeune femme vêtue d’une robe qui regarde au loin. 01:23.830 --> 01:29.980 Certaines personnes disent voir une vieille dame portant un foulard sur la tête et baissant les yeux. 01:30.280 --> 01:36.250 Je vais donc le signaler et vous verrez que cela deviendra une évidence, c'est donc le visage de la jeune 01:36.250 --> 01:37.510 femme qui regarde ailleurs. 01:37.510 --> 01:40.450 Elle regarde au loin comme son manteau. 01:40.440 --> 01:44.940 Ce sont ses cheveux qui sont sa petite plume dans ses cheveux et d'autre part. 01:44.980 --> 01:53.530 C'est la tête de la vieille dame qui regarde son nez, sa bouche, son menton, c'est le foulard sur sa tête et 01:53.560 --> 01:55.560 elle baisse les yeux. 01:55.780 --> 02:01.960 Donc, comme vous pouvez le voir deux en un et en fonction des caractéristiques que votre cerveau 02:02.620 --> 02:06.710 capte, il basculera entre classer chaque image comme l'une ou l'autre. 02:06.910 --> 02:13.930 La plus ancienne de ces illusions consignées dans l’imprimé est celle-ci. 02:13.930 --> 02:15.220 C'est le canard ou le lapin. 02:15.230 --> 02:17.020 Alors est-ce un canard ou un lapin? 02:17.020 --> 02:18.330 Un autre exemple. 02:18.430 --> 02:25.030 Et maintenant, je vais montrer une image qui va juste pour une seconde la regarder et voir ce que quelles 02:25.030 --> 02:28.670 émotions ou quel genre d'expérience l'expérience visuelle que vous vivez 02:29.110 --> 02:36.610 Alors, que voyez-vous, vous sentez-vous un peu étourdi mais un peu ébloui, comme si votre cerveau essayait 02:36.610 --> 02:40.230 de comprendre ce que c'est que d'essayer? 02:40.330 --> 02:49.240 Saute entre ses yeux haut en bas et c’est un exemple classique de quand il ya certaines caractéristiques où il se pourrait que ce 02:49.240 --> 02:53.850 soit le cas mais que votre cerveau ne puisse pas décider. 02:54.130 --> 02:58.230 Et parce que les deux semblent plausibles. 02:58.290 --> 03:04.360 En gros, tous ces exemples illustrent le fonctionnement du cerveau, qu’il traite 03:04.360 --> 03:10.970 certaines caractéristiques d’une image ou de tout ce que vous voyez dans la vie réelle. 03:10.980 --> 03:16.150 Vous avez probablement été dans des situations où vous regardez rapidement par-dessus votre épaule et vous voyez quelque chose 03:16.150 --> 03:23.500 que vous pensez que je ne sais pas si c'est comme une balle mais que cela s'avère être un chat ou que vous pensez que c'est une 03:23.500 --> 03:24.030 voiture. 03:24.070 --> 03:28.030 Il s’avère que vous n’avez pas assez de temps pour traiter ces fonctionnalités ou que vous 03:28.030 --> 03:31.030 n’avez pas assez de fonctionnalités pour classer les éléments comme tels. 03:31.240 --> 03:38.570 Et ceci est pour moi très intéressant car ce que nous allons faire avec des réseaux de neurones avec des réseaux de neurones convolutionnels est 03:38.570 --> 03:43.630 très similaire et vous constaterez que la façon dont les ordinateurs vont traiter les images va être 03:43.630 --> 03:48.190 extrêmement de manière similaire à la façon dont nous traitons les images, il est donc 03:48.210 --> 03:53.580 très utile de comprendre et de ne pas oublier ces choses que c'est comme cela que nous procédons. 03:53.590 --> 03:58.450 Et je vais retirer cette dame de vos écrans car elle est probablement déjà en train de paniquer. 03:58.630 --> 04:00.940 Alors, voici quelque chose de différent. 04:00.940 --> 04:07.870 Voici une expérience réalisée sur des ordinateurs sur un réseau de neurones à convolution, nous 04:07.870 --> 04:11.150 passons maintenant lentement des humains aux ordinateurs. 04:11.350 --> 04:18.490 Et cette diapositive est tirée d’un récit de Geoffrey Hinton et décrit ici une expérience 04:18.490 --> 04:24.440 qu’il a faite sur certains réseaux de neurones classiques qu’il a formés. 04:24.460 --> 04:29.560 Donc, ici, vous voyez trois images et nous allons les parcourir avec la gauche à droite et voir comment vous 04:29.560 --> 04:31.870 les classeriez, puis voir comment elles peuvent être reclassées. 04:31.870 --> 04:35.440 Donc, à gauche, qu'est-ce que vous croyez? 04:35.440 --> 04:37.710 Il a probablement dit guépard et vous aurez raison. 04:37.710 --> 04:41.740 Et c’est ce que l’ordinateur a dit et dès le départ, nous 04:41.740 --> 04:48.400 allons apprendre à lire ces images, car si vous voulez aller plus loin dans les réseaux de neurones convolutionnels, aucun jeu de mots 04:48.400 --> 04:54.050 ne vous permet de commencer à apprendre. de plus en plus et en les utilisant, vous en verrez beaucoup. 04:54.070 --> 05:01.050 Donc, et en fait, j'ai vu des gens les lire de manière incorrecte, donc voici en haut 05:01.050 --> 05:01.470 Shida. 05:01.470 --> 05:07.920 Donc, c'est l'étiquette correcte de l'image, c'est l'étiquette des images, quel que soit 05:07.920 --> 05:09.180 le traitement. 05:09.300 --> 05:16.770 Et la vision par ordinateur, puis voici les suppositions des quatre ou cinq premières suppositions de l’algorithme et on leur 05:17.370 --> 05:24.520 donne les probabilités de sorte que l’ordinateur ou le réseau neuronal dise que les vêtements personnels Chitta ou le 05:24.810 --> 05:27.460 chat égyptien peuvent être l’un des quatre. 05:27.540 --> 05:29.120 Et le guépard a le plus grand vote. 05:29.130 --> 05:34.820 Et tout au long de cette partie du cours, vous comprenez ce que signifient ces votes et comment ils sont calculés. 05:34.830 --> 05:36.600 Mais pour l'instant, c'est plutôt intuitif. 05:36.600 --> 05:40.700 C'est donc un guépard dans la réalité et le réseau de neurones a bien deviné. 05:40.710 --> 05:44.600 Il a dit avec une hyper capacité d'environ 95 à 99%. 05:45.900 --> 05:46.860 Puis le second. 05:46.860 --> 05:51.050 Qu'est-ce que vous pensez que c'est que c'est un train de balle. 05:51.300 --> 05:57.600 Et le réseau de neurones a été en mesure de faire la distinction entre locomotive électrique du train de banlieue du train de 05:57.600 --> 05:58.020 banlieue. 05:58.020 --> 05:59.380 Ce sont le premier choix bien sûr. 05:59.400 --> 06:05.850 Ces réseaux de neurones apprenaient à distinguer bien plus d’options que quatre catégories parmi des dizaines de 06:06.000 --> 06:08.760 milliers de catégories en même temps. 06:08.760 --> 06:10.750 Ce sont donc les quatre options choisies. 06:10.920 --> 06:12.750 Et voilà le train de balles et sa volonté. 06:12.760 --> 06:17.210 Et alors qu'avez-vous pensé le dernier est-il très. 06:17.350 --> 06:22.470 Il y a quelques options ou ce n'est pas très clair ce que pourrait être une poêle 06:22.470 --> 06:29.550 à frire pourrait être une loupe ou peut-être même une paire de ciseaux, pourrait-on dire, alors que le réseau de neurones disait qu'il s'agissait d'une 06:29.550 --> 06:30.540 paire de ciseaux. 06:30.750 --> 06:32.590 Mais vous pouvez voir comment vous pouvez vous tromper ici. 06:32.610 --> 06:35.440 Tout d'abord ce n'est pas une image très claire. 06:35.520 --> 06:43.920 Et vous pouvez également voir que les probabilités ne sont pas aussi claires ici, de sorte que le réseau de neurones était un peu confus, un 06:43.920 --> 06:46.280 peu indécis, tout comme nous le sommes. 06:46.280 --> 06:51.710 Alors j'ai dit Ciseaux avec une forte probabilité, mais ensuite il y avait un verre à main avec lequel il était en 06:51.810 --> 06:55.760 fait pas très loin sur la deuxième place et stéthoscope à la poêle à frire. 06:55.920 --> 07:01.620 En gros, ici, vous pouvez voir que les ciseaux étaient sa première hypothèse, mais la bonne option était la deuxième et c'est pourquoi 07:01.620 --> 07:03.050 elle est surlignée en rouge. 07:03.300 --> 07:07.050 C’est donc ce dont tous les médicaments sont déjà capables. 07:07.050 --> 07:08.880 Et ceci est en fait une vieille diapositive. 07:08.880 --> 07:10.610 C'était il ya plusieurs années. 07:10.650 --> 07:16.100 Maintenant, ils sont encore meilleurs et vous verrez que, dans l’application pratique que vous allez coder ensemble, vous 07:16.170 --> 07:16.760 déjeunez. 07:16.920 --> 07:18.430 Mais maintenant essayons un peu mieux cela. 07:18.430 --> 07:23.770 Qu'est-ce que les réseaux de neurones conventionnels ou convolutionnels sont réellement et pourquoi ont-ils acquis une telle popularité? 07:23.970 --> 07:31.380 Et ils gagnent en popularité, vous pouvez donc voir ici une comparaison que j'ai faite hier avec Google Trends. 07:31.770 --> 07:39.420 Vous pouvez voir ici que les réseaux de neurones illusoires conventionnels s'emparent même des réseaux de 07:39.420 --> 07:43.260 neurones artificiels, ce qui représente une augmentation massive. 07:43.260 --> 07:49.530 Et cela va continuer comme ça parce que c’est un domaine très important dans lequel toutes les choses 07:50.130 --> 07:52.530 se passent, comme les voitures autonomes. 07:52.530 --> 07:59.340 Comment reconnaissent-ils les gens sur la route? Comment reconnaissent-ils les panneaux d'arrêt et des 07:59.340 --> 08:07.680 choses comme celle-ci? Comment Facebook peut-il identifier des personnes ou des images sur des images, et 08:07.980 --> 08:14.240 pas seulement reconnaître les visages, vous avez dû ajouter les noms. 08:14.250 --> 08:18.420 Et maintenant, il ne fait que reconnaître les visages et ajoute les noms en même temps. 08:18.630 --> 08:26.070 Eh bien, c’est ce que les réseaux de neurones convolutifs sont capables d’être sur Facebook. 08:26.160 --> 08:34.710 Si Jeffrey Hinton est le parrain des réseaux de neurones artificiels et de l'apprentissage en profondeur, alors Yalla 08:34.830 --> 08:43.650 Kuhn est le grand-père des réseaux de neurones convolutionnels. Lukken est un étudiant de Jeffrey Hinton et vous pouvez 08:43.650 --> 08:45.640 les voir ensemble ici. 08:45.720 --> 08:51.950 Et Jeffrey Hinton fait maintenant oeuvre de pionnier en matière de planification chez Google young. 08:52.020 --> 08:57.010 Est le directeur de la recherche sur l'intelligence artificielle sur Facebook et professeur à l'Université de New York. 08:57.030 --> 09:02.650 Nous sommes donc conscients de cette partie du noyau que nous construisons lentement de cette façon. 09:02.670 --> 09:10.770 Ces noms sont ce genre de photo des profils des personnes qui dirigent ce domaine et dans les prochains pars nous en 09:10.950 --> 09:16.680 apprendrons plus sur quelques autres et nous aurons toute cette mafia comme ils s’appellent eux-mêmes 09:16.680 --> 09:22.320 mafia ou conspiration d’apprentissage en profondeur et vous en apprendrez un peu plus sur le 09:22.320 --> 09:24.140 développement de ce domaine. 09:24.480 --> 09:27.200 Oui, ce ne sont que des gens formidables. 09:27.450 --> 09:35.370 C'est ainsi que RIKOON, dans les années 80 et 90, a apporté une contribution importante au domaine des réseaux de neurones 09:35.370 --> 09:36.300 à convolution. 09:36.330 --> 09:44.310 Et comme vous le verrez tout au long de ce cours, vous avez pu développer ou aider le monde à 09:44.340 --> 09:46.650 développer quelque chose d'aussi puissant. 09:46.650 --> 09:51.390 Passons maintenant au fonctionnement des réseaux de neurones illusoires. 09:51.420 --> 09:56.150 Vous avez une entrée c'est très simple c'est très simple donc ils ont une image d'entrée. 09:56.160 --> 10:01.930 Il passe par le réseau de neurones illusionnel de can et vous avez une étiquette qui classe cette image comme 10:01.990 --> 10:06.630 quelque chose comme a un Cheeto ou un train à grande vitesse ou quelque chose d'autre. 10:06.790 --> 10:10.780 Maintenant, un peu comme entrer dans un peu plus en détail. 10:10.900 --> 10:19.540 Par exemple, vous pouvez officier néroli a été formé sur certaines images sur certaines images classées ou 10:19.780 --> 10:23.600 images catégorisées avant il été plus élevé. 10:23.710 --> 10:29.510 Après cela, vous pouvez lui donner, disons qu'un réseau de neurones a été formé pour reconnaître les expressions et 10:29.510 --> 10:37.030 les mouvements du visage, vous pouvez lui donner le visage d'une personne souriante, pas seulement un visage comme un dessin d'un visage comme celui-ci, mais 10:37.030 --> 10:39.330 le visage réel d'une personne souriante. . 10:39.430 --> 10:44.910 Et je vais vous dire que cette personne est heureuse et que vous pouvez avoir le visage d’une personne qui fronce les sourcils. 10:44.910 --> 10:47.180 Je vais vous dire que la personne est triste. 10:47.280 --> 10:52.570 Il peut reconnaître ces émotions et, comme vous pouvez le constater, est déjà très puissant en termes 10:52.570 --> 10:59.740 de nombreuses implications différentes, tout comme cet exemple auquel vous pouvez penser tout de suite. Dans les deux cas, je vous donnerai une opérabilité 10:59.740 --> 11:04.970 pour ne pas dire que nous savons que La personne est heureuse ou triste à 100%. 11:04.970 --> 11:13.000 Ce sera 99 ou 98 ou peut-être 80% quand on ne sait pas ce qui se passe et, tout comme nous avons raison, nous pouvons 11:13.000 --> 11:16.620 parfois confondre les choses avec ce qu'elles ne sont pas. 11:16.660 --> 11:23.620 Ou parfois nous pouvons parfois parfois il est tout simplement pas clair si la personne sourit ou fronce les sourcils ou si c'est si c'est un 11:23.620 --> 11:27.910 chien ou un chat ou si c'est un train ou un train de grande vitesse 11:28.110 --> 11:32.620 Parfois, nous ne l’avons pas, nous n’avons pas assez de fonctionnalités, car c’est 11:32.980 --> 11:38.600 ainsi que nous traitons les informations visuelles comme nous l’avons vu depuis le début de ce didacticiel. 11:38.620 --> 11:44.140 Alors, comment un réseau de neurones hébergeant un réseau de neurones est-il capable de reconnaître ces caractéristiques? 11:44.140 --> 11:48.770 Eh bien, tout commence au niveau de base que vous avez. 11:48.790 --> 11:54.160 Supposons qu'une image ait deux images, une image en noir et blanc de deux par deux 11:54.160 --> 12:01.270 pixels et une image en couleur de deux par deux pixels, tandis que les réseaux de neurones exploitent le fait que 12:01.270 --> 12:04.690 l'image en noir et blanc est un tableau bidimensionnel. 12:04.690 --> 12:09.610 Donc, à gauche, nous voyons la représentation visuelle. 12:09.630 --> 12:11.110 Je suppose une sorte de photo. 12:11.250 --> 12:16.600 Et par souci de simplicité, il s’agit simplement d’une manière bidirectionnelle d’image, mais en termes informatiques, c’est 12:16.600 --> 12:22.180 en fait un tableau bidimensionnel avec chacun de ces pixels ayant une valeur comprise entre 0 et 55. 12:22.360 --> 12:27.670 Cela fait donc huit bits d’information pour les deux; la puissance de huit est donc 256. 12:27.670 --> 12:32.130 Donc, donc, les valeurs de 0 à 255 et l’intensité de la couleur. 12:32.260 --> 12:36.240 Et dans ce cas, la couleur blanche ainsi 0 sera un pixel complètement noir. 12:36.370 --> 12:43.720 255 sera un pixel complètement blanc et entre eux vous aurez la gamme d'options de niveaux de gris pour ce 12:43.720 --> 12:44.490 pixel. 12:44.650 --> 12:50.740 Et sur la base de ces informations, les ordinateurs sont ensuite en mesure de travailler avec l'image, ce qui est 12:50.740 --> 12:56.510 un peu comme le point de départ de toute image en tant que représentation numérique sous forme numérique. 12:56.620 --> 13:03.460 Et ce ne sont que des zéros et des zéros qui forment un nombre compris entre 0 et 255 pour chaque pixel, et c’est avec 13:03.460 --> 13:04.340 quoi l’ordinateur fonctionne. 13:04.340 --> 13:08.410 Cela ne fonctionne pas réellement avec vous connaissez des couleurs ou quoi que ce soit cela fonctionne avec les uns et les zéros à la fin de 13:08.410 --> 13:08.790 la journée. 13:08.800 --> 13:12.820 C'est comme un peu comme la base de tout. 13:13.360 --> 13:17.110 Et dans une image couleur, il s'agit en réalité d'un tableau en trois dimensions. 13:17.230 --> 13:24.580 Vous avez Larry Green, pixel bleu, et l’éblouissement rouge, les flèches et ce sens pour RGV rouge 13:24.580 --> 13:25.130 vert-bleu. 13:25.420 --> 13:29.740 Et chacune de ces couleurs a sa propre intensité. 13:29.740 --> 13:37.010 Donc, fondamentalement, un pixel a trois trois valeurs qui lui sont attribuées. 13:37.030 --> 13:41.090 Chacun d'entre eux est compris entre 0 et 256 255. 13:41.380 --> 13:48.340 Et par conséquent, vous pouvez savoir quelle est la couleur exacte de cette image. 13:48.340 --> 13:53.520 En combinant ces trois valeurs et encore une fois, les ordinateurs vont fonctionner avec cela. 13:53.530 --> 13:58.930 Voilà donc le fondement de tout cela: le canal rouge, le canal vert, le canal bleu. 13:59.530 --> 14:08.590 Et enfin, examinons par exemple un exemple très trivial de visage souriant. 14:08.820 --> 14:09.610 En termes informatiques. 14:09.610 --> 14:17.710 Si nous simplifions vraiment les choses au lieu d’avoir de 0 à 255 et d’avoir ces valeurs afin que 14:17.710 --> 14:25.690 nous puissions mieux comprendre les choses et saisir vraiment les concepts que nous allons dire: zéro, blanc: noir, 14:25.690 --> 14:26.590 c’est noir. 14:26.590 --> 14:26.800 Droite. 14:26.800 --> 14:33.460 Nous allons donc simplement simplifier les choses à l'extrême et vous verrez que cette image peut être représentée 14:33.460 --> 14:33.900 ainsi. 14:34.000 --> 14:39.150 La raison pour laquelle nous avons évoqué cette question est que nous entrons dans toutes nos 14:39.160 --> 14:44.680 intuitions. Il nous est possible de structurer une image. Ceci est très simple, mais en même temps, tous 14:44.680 --> 14:50.530 ces concepts peuvent être traduits en 0 2 256 gamme de valeurs et tout applique la même manière là. 14:50.740 --> 14:54.900 Et les étapes sont que nous allons passer si ces images sont une évolution optimale. 14:54.910 --> 14:56.820 Étape numéro deux pool maximum. 14:56.830 --> 15:02.550 L’étape trois met à plat et numérote une connexion complète et je peux imaginer 15:02.560 --> 15:09.880 que tous ces mots ont probablement une grande signification pour vous à l’heure actuelle, mais vous les comprendrez de 15:10.000 --> 15:13.940 manière détaillée à la fin de cette section Faire. 15:13.960 --> 15:16.020 Nous allons donc commencer dans le prochain tutoriel. 15:16.030 --> 15:24.400 Pour le moment, la lecture supplémentaire que vous voudrez peut-être examiner est un article original de Lukens qui a 15:24.640 --> 15:28.200 donné naissance à un réseau de neurones émotionnels. 15:28.200 --> 15:31.590 C'est ce qu'on appelle l'apprentissage par gradient appliqué à la cognition documentaire. 15:31.660 --> 15:34.550 Vous avez peut-être vu cette image avant de naviguer sur Internet. 15:34.630 --> 15:40.990 C'est à partir de ce papier, donc si vous voulez revenir au tout début de la façon dont tout cela s'est passé, 15:40.990 --> 15:46.420 c'est à partir du papier à examiner et j'ai hâte de voir cela dans le prochain tutoriel. 15:46.420 --> 15:48.280 Jusque-là, profitez d'un apprentissage en profondeur.