WEBVTT 00:00.690 --> 00:05.730 Hola y bienvenidos de nuevo al curso sobre aprendizaje profundo en la prensa Tauriel, descubrimos de qué se 00:05.810 --> 00:07.290 tratan las redes neuronales convolucionales. 00:07.350 --> 00:11.050 Y hoy vamos a sumergirnos en la convolución del Paso 1. 00:11.100 --> 00:18.530 Así que esta es la función de convolución e intentamos mantenernos alejados de las matemáticas y mantener las cosas intuitivas. 00:18.540 --> 00:25.110 no pude evitar compartir esta fórmula para ti porque es una convolución tan simple que es básicamente una integración combinada 00:25.110 --> 00:31.380 de las dos funciones y te muestra cómo una función modifica a la otra o modifica la forma de 00:31.470 --> 00:36.520 la otra y si tienes hecho cualquier procesamiento de señal o ingeniería eléctrica o una 00:36.520 --> 00:42.030 profesión donde se requiera el procesamiento de la señal, inevitablemente habría encontrado una función de conclusión. 00:42.030 --> 00:42.390 Pero 00:42.390 --> 00:44.090 Es bastante popular ahora. 00:44.100 --> 00:49.490 Una vez más vamos a mantener las luces de las matemáticas o mantenerlas separadas. 00:49.500 --> 00:56.190 Y si desea adentrarse en las matemáticas detrás de las redes neuronales convolucionales, una gran 00:56.520 --> 01:05.010 lectura adicional es Introducción a las redes neuronales convolucionales de Jensine Wu, que es profesora de la Universidad de Nanjing 01:05.010 --> 01:05.820 en China. 01:05.820 --> 01:12.780 orientado específicamente a personas que están empezando con principiantes que están aprendiendo redes neuronales convolucionales, por lo que las 01:12.780 --> 01:17.690 matemáticas deben ser accesibles, en realidad enviadas por correo electrónico al Profesor Johnson. 01:18.250 --> 01:23.700 Este documento fue publicado literalmente días atrás, como hace cinco o seis días, y está 01:23.730 --> 01:32.040 Y sí, dijo que su objetivo es hacer o deshacer las cosas complejas para que las personas que son nuevas en este 01:32.040 --> 01:33.360 campo puedan entender. 01:33.360 --> 01:40.680 Y también mencionó que tiene algunos materiales disponibles en su página de inicio, así que si tú mismo eliminas las dos últimas partes, 01:40.680 --> 01:47.220 solo tienes que ir a Slash W. J. y podrá encontrar más tutoriales y 01:47.220 --> 01:52.380 materiales adicionales que no se han publicado como documentos, pero los usa en sus tutoriales 01:52.380 --> 01:59.120 para que pueda encontrarlos útiles, así que navegue por allí si ' Me gustaría obtener una introducción a las 01:59.130 --> 02:05.130 matemáticas detrás de las redes neuronales de coalición y construir una base sólida alrededor de esa área. 02:05.130 --> 02:08.470 X a esa parte que es su página de inicio 02:08.550 --> 02:12.570 Pero vamos a seguir adelante y vamos a hablar sobre la convolución. 02:12.570 --> 02:17.160 Entonces, ¿cuál es una buena solución en términos intuitivos aquí a la izquierda. 02:17.160 --> 02:21.690 Tenemos una imagen de entrada como discutimos, así es como vamos a ver las imágenes solo unos y ceros 02:21.690 --> 02:22.750 para simplificar las cosas. 02:22.950 --> 02:25.050 Y puedes ver la carita sonriente allí. 02:25.090 --> 02:28.660 Luego tenemos un detector de funciones para que los detectores tengan una Matriz de tres por tres. 02:28.740 --> 02:30.120 ¿Tiene que ser tres por tres? 02:30.150 --> 02:31.920 No, no. 02:31.920 --> 02:35.810 Alex net creo que usa siete por siete. 02:35.850 --> 02:41.640 Y luego, algún otro de esos otros famosos usa detectores de características de cinco por cinco. 02:41.640 --> 02:48.270 Pueden ser diferentes, pero generalmente verás que son tres por tres y que son razones para hacerlo de tres 02:48.270 --> 02:52.110 en tres, por lo que vamos a seguir el camino convencional. 02:52.170 --> 02:57.510 Tener un detector de funciones de tres por tres también los detectores de funciones llamados estos son términos 02:57.510 --> 02:58.710 importantes porque puede encontrarlos. 02:58.710 --> 03:04.080 funciones o Eik podría escuchar que se llama kernel o puede escuchar que se llama Filter. 03:04.110 --> 03:09.540 Hay muchos términos diferentes para el detector de características, pero los más comunes son los detectores de 03:09.540 --> 03:14.760 Así que en este curso vamos a usar indistintamente un filtro o un detector 03:14.760 --> 03:23.670 de características, pero solo tenga en cuenta que tiene esos nombres y una operación de coalición se representa con una X en un círculo. 03:23.670 --> 03:31.230 Tal como lo viste en las fórmulas anteriores y aquí, lo que sucede es a nivel intuitivo o simplemente piensas en términos de lo 03:31.230 --> 03:34.980 que está sucediendo realmente en el fondo en lugar de las matemáticas. 03:35.010 --> 03:40.740 Bueno, toma este detector o filtro de características y lo pone en su imagen como lo ve a la izquierda. 03:40.740 --> 03:48.120 valioso para respetar el valor así que el 0 superior por el valor superior izquierdo por el valor superior izquierdo 03:48.450 --> 03:58.760 entonces básicamente en posición de 1 1 por posición alrededor de 1 1 número de posición o 0 1 0 1 0 2 por 0 2 y así sucesivamente. 03:58.780 --> 04:04.980 Así que cubres, por ejemplo, en este caso la esquina superior izquierda los nueve píxeles en la 04:05.090 --> 04:08.670 esquina superior izquierda y básicamente multiplicas cada uno un valor 04:08.670 --> 04:13.410 Entonces es una multiplicación sabia de los elementos en estas matrices. 04:13.410 --> 04:14.460 Y luego sumas el resultado. 04:14.460 --> 04:20.010 Entonces, en este caso, nada coincide, así que siempre es 0 por 0 0 o por 1. 04:20.010 --> 04:21.280 Entonces el resultado es cero. 04:21.530 --> 04:26.610 Y aquí puede ver que uno de ellos combinó uno de la izquierda emparejado. 04:26.610 --> 04:28.120 Y, por lo tanto, tenemos un 1 aquí. 04:28.120 --> 04:30.820 Nada emparejado nada coincide con nada emparejado. 04:30.890 --> 04:38.100 Luego pasamos al siguiente lanzamiento, y el paso en el que estamos moviendo todo este filtro se llama 04:38.100 --> 04:38.610 zancada. 04:38.610 --> 04:40.570 Así que aquí tenemos un paso de un píxel. 04:40.680 --> 04:45.820 Aquí puede ver de nuevo algo que coincide con la esquina inferior derecha emparejada a la zancada, pero uno 04:46.110 --> 04:50.850 inferior en el medio que coincide aquí arriba a la derecha coincide con la medida de nada. 04:50.970 --> 04:52.040 El paso es uno. 04:52.170 --> 04:53.930 Puedes cambiar la zancada. 04:54.330 --> 04:56.260 Puedes hacerlo uno dos. 04:56.340 --> 04:58.580 Vas a obtener tres lo que quieras. 04:58.830 --> 05:02.770 Eventualmente, el que funciona bien es generalmente o dos. 05:02.800 --> 05:04.280 Entonces, eso es a lo que las personas se apegan. 05:04.600 --> 05:09.480 Y vamos a hablar de lo que es el paso hacia el final de este tutorial. 05:09.520 --> 05:14.170 Así que aquí tenemos, así que estamos haciendo una coincidencia absoluta cuando escucho que puedes ver 05:14.170 --> 05:17.270 que tenemos dos porque dos de ellos coinciden y así sucesivamente. 05:17.290 --> 05:24.830 Así que, allí vamos, hay otro que coincidió allí, vamos y terminamos. 05:24.830 --> 05:27.770 Entonces, qué es lo que hemos creado. 05:27.800 --> 05:28.600 Derecha. 05:28.820 --> 05:31.860 Un par de cosas importantes aquí. 05:31.970 --> 05:38.240 La imagen de la derecha se llama mapa de características y también tiene varios términos. También se le puede 05:38.870 --> 05:40.530 llamar a veces función Vold. 05:41.000 --> 05:46.280 Entonces, en su blog y operador de operación de volución a algo que no se complica, 05:46.280 --> 05:53.680 se convoluciona y, a veces, como me lo pienso de la manera incorrecta, pero es el término correcto convolucionado es una especie 05:53.700 --> 05:57.900 de característica antigua o también puede ser llamado el mapa de activación. 05:58.040 --> 06:02.510 Pero vamos a llamarlo un mapa de características en este curso para que pueda llamarse 06:03.500 --> 06:06.300 cualquiera de esas cosas y qué hemos hecho aquí. 06:06.320 --> 06:09.910 Como puede ver, hemos reducido el tamaño de la imagen. 06:09.920 --> 06:15.500 Ese es el número uno y eso es lo importante que quería mencionar sobre su imagen de entrada y el texto 06:15.500 --> 06:17.090 de la función y la zancada. 06:17.240 --> 06:21.690 Si tiene una zancada de uno, puede ver que la imagen se reduce un poco, pero si 06:21.690 --> 06:25.410 tiene derecho a que la imagen produzca más, la característica será aún más pequeña. 06:25.610 --> 06:33.950 es hacer que la imagen sea más pequeña porque será más fácil procesarla y será más rápida. 06:33.950 --> 06:42.100 Y esa es una función muy importante del detector de funciones. Este paso de convolución completa 06:42.110 --> 06:51.830 Lo hará y serás solo de crianza porque imagina como aquí tenemos una imagen de siete por siete, 06:51.860 --> 06:55.310 pero imagínate si tienes una foto adecuada. 06:55.700 --> 07:02.270 O si tiene una imagen 256 en 56 píxeles, es una gran cantidad de píxeles. CHONE si es 07:02.900 --> 07:06.940 x al cuadrado o digamos que tiene 300 pero 300 píxeles. 07:07.060 --> 07:13.400 Para que no nos confundamos con la R. GRAMO. B 256 tiene que decir que tenemos una imagen de 300 por 07:13.400 --> 07:14.720 300 en términos de tamaño y píxeles. 07:14.780 --> 07:22.640 tanto, los detectores de funciones reducirán el tamaño de la imagen y, por lo tanto, el paso de dos es realmente beneficioso. 07:23.360 --> 07:27.580 Entonces tienes 300 píxeles cuadrados de un número enorme y, por lo 07:27.740 --> 07:29.970 Pero entonces la pregunta es ¿perdemos información? 07:29.990 --> 07:34.520 ¿Estamos perdiendo información cuando aplicamos el detector de características? 07:34.520 --> 07:40.580 Bueno, cierta información que estamos perdiendo, por supuesto, porque tenemos menos valores y de la matriz resultante. 07:40.700 --> 07:45.950 Pero al mismo tiempo, el objetivo del detector de características es detectar ciertas características de ciertas 07:45.950 --> 07:48.170 partes de la imagen que son integrales. 07:48.620 --> 07:53.150 Y así, por ejemplo, si lo piensas de esta manera, como el detector de funciones tiene un 07:53.150 --> 07:54.080 cierto patrón en él. 07:54.080 --> 07:57.950 El número más alto en su mapa de características es cuando ese patrón coincide. 07:57.950 --> 08:04.820 De hecho, el número más alto que puede obtener es en un ejemplo totalmente simplificado cuando la característica es que coincide exactamente 08:04.820 --> 08:10.550 y puede ver que el número cuatro que tenemos en nuestro mapa de características es exactamente el mismo. 08:10.550 --> 08:16.910 Entonces, si lo miras aquí, ahí es exactamente donde está este detector de funciones, porque solo hay 08:16.910 --> 08:21.460 cuatro y se combinan perfectamente para que puedas ver esta parte aquí. 08:21.470 --> 08:23.220 Entonces la característica fue detectada aquí. 08:23.450 --> 08:32.340 Y como comentamos al comienzo de esta sección, lo que presenta es cómo vemos las cosas y cómo las 08:32.430 --> 08:33.080 reconocemos. 08:33.090 --> 08:40.410 No miramos cada píxel por así decirlo en lo que vemos en una imagen o en la vida real. 08:40.410 --> 08:46.440 No miramos cada imagen que vemos. Miramos la nariz, los sombreros, la pluma, los 08:47.070 --> 08:55.110 ojos bajo las pequeñas marcas negras debajo de los ojos del guepardo, para distinguir entre un guepardo y un 08:55.110 --> 08:57.470 leopardo o la forma del tren. 08:57.480 --> 09:02.610 No debemos distinguir entre un tren bala y un tren normal, y así sucesivamente para no mirar todo lo que vemos 09:02.610 --> 09:08.110 en las características y eso es lo que estamos preservando y eso es lo que el mapa de características nos ayuda a preservar. 09:08.110 --> 09:15.480 En realidad, eso es lo que nos permite sacar adelante y deshacernos de todas las cosas innecesarias que, 09:15.570 --> 09:22.740 incluso como humanos, no procesamos tanta información entrando en tus ojos que en un momento dado como gigabytes 09:22.740 --> 09:28.680 de información si miras cada punto si no te llenan terabytes de información por segundo 09:28.680 --> 09:35.640 y aún así podemos continuar porque nos deshacemos de lo innecesario solo nos enfocamos en las características 09:35.640 --> 09:41.510 importantes que son importantes para nosotros y eso es exactamente lo que hace la 09:41.640 --> 09:42.270 característica. 09:42.270 --> 09:51.030 Entonces, avanzando, esta es nuestra imagen de entrada y usted crea un mapa de características, así que la primera, digamos que la del frente es la que acabamos 09:51.030 --> 09:54.300 de crear, pero ¿cómo es que hay muchas de ellas? 09:54.300 --> 10:00.300 Pero creamos múltiples mapas de características porque usamos diferentes filtros. 10:00.300 --> 10:00.590 Derecha. 10:00.630 --> 10:05.430 Y esa es otra forma en que conservamos mucha información, por lo que no solo 10:05.880 --> 10:12.600 tenemos un mapa de características sino que buscamos ciertas características y luego o básicamente la red decide a través de su capacitación 10:12.600 --> 10:18.030 y esto es algo que discutiremos al final de la sección a través de su capacitación, decide 10:18.120 --> 10:23.670 qué características son importantes para ciertos tipos o categorías y las busca y, por lo tanto, tendrá diferentes 10:23.670 --> 10:26.070 filtros y hablaremos de filtros en este momento. 10:26.160 --> 10:32.280 Pero básicamente aplicaré estos filtros, para obtener este mapa de características se aplicó un filtro como el que vimos pero luego 10:32.280 --> 10:36.270 para obtener esta característica, Mabbett aplica un filtro diferente para obtener esta característica aplicando 10:36.270 --> 10:38.080 un filtro diferente, y así sucesivamente. 10:38.370 --> 10:43.430 Y básicamente, crea estos mapas de características. 10:43.650 --> 10:49.700 Y en realidad es por eso que personalmente creo que el término detector de características es mejor que los filtros. 10:49.710 --> 10:56.040 Recuerde que estamos aquí tenemos este filtro que también podemos llamar un detector de características. Bueno, en realidad, el 10:56.040 --> 10:59.440 detector de función de palabras creo que es más adecuado. 10:59.490 --> 11:03.390 Y la razón de eso es que el propósito es el correcto. 11:03.390 --> 11:06.510 No queremos simplemente no queremos solo filtrar nuestra imagen. 11:06.510 --> 11:10.220 Pero a pesar de que es un todo lo mismo es solo una cuestión de terminología. 11:10.230 --> 11:11.990 Pero básicamente queremos detectar características. 11:12.000 --> 11:12.270 Todo bien. 11:12.270 --> 11:19.680 En esto en esta guarida nos vamos a nuestro propio mapa de características que hemos detectado donde ciertas características están en la imagen 11:19.800 --> 11:24.240 y este mapa de características que hemos detectado donde ciertas otras características son donde 11:24.240 --> 11:30.350 se encuentra una determinada característica específica y este mapa de características se detectará cuando una cierta otra característica se 11:30.350 --> 11:31.420 encuentra en la imagen. 11:31.440 --> 11:33.420 Entonces eso es lo que estamos haciendo. 11:33.420 --> 11:40.470 Y escucha, tenemos un par de ejemplos, así que aquí estamos usando y esto es de Gip punto org. 11:40.610 --> 11:48.690 es un tipo de herramienta gratuita, como pintura, y puedes usarla para ajustar tus imágenes o trabajar con tus imágenes. 11:48.690 --> 11:49.550 Su documentación 11:49.560 --> 11:56.490 Pero básicamente tienen algunos ejemplos valiosos en su documentación y aquí tienen una imagen del Taj Mahal 11:56.490 --> 11:59.790 y usted puede elegir qué filtro desea aplicar. 11:59.880 --> 12:06.150 Entonces, si descargas este programa y cargas una foto y luego puedes comenzar una matriz de 12:06.150 --> 12:12.600 conversión y aplicar filtros, verás que estas cosas se aplicaron en realidad en el procesamiento y 12:12.600 --> 12:15.240 diseño de imágenes, y así sucesivamente. 12:15.240 --> 12:17.150 Así que echemos un vistazo a lo que obtenemos, lo que obtenemos. 12:17.240 --> 12:21.520 Entonces, si aplicamos este filtro cinco en el medio menos uno, uno es uno menos uno. 12:21.690 --> 12:23.780 Puedes ver que agudiza la imagen. 12:23.890 --> 12:29.010 Y esto es bastante intuitivo si piensas en eso. 12:29.010 --> 12:36.300 Entonces 5 es el píxel del píxel principal, como en el medio del filtro o el detector de 12:36.600 --> 12:43.410 características, y luego menos uno menos uno, solo uno, reduce los píxeles alrededor del a en un 12:44.430 --> 12:45.000 sentido intuitivo. 12:46.170 --> 12:47.020 Luego difumina. 12:47.040 --> 12:54.150 Así que, básicamente, toma igual importancia da igual importancia a todos los píxeles son todos los que están en el centro 12:54.150 --> 12:59.070 y por lo tanto, los combina juntos y se obtiene una mejora de borde borroso. 12:59.070 --> 13:03.860 Así que aquí puedes ver que es menos uno y uno y luego obtienes los ceros correctos. 13:03.870 --> 13:11.100 Así que eliminaste para eliminar los píxeles alrededor del principal en el medio y solo mantienes este en uno menos y te 13:11.100 --> 13:15.610 da una ventaja y esto fue un poco más difícil de entender cómo funciona. 13:16.290 --> 13:20.700 Como probablemente sea más difícil simplemente pensar intuitivamente Edge Detect. 13:20.700 --> 13:23.340 Correcto, entonces este probablemente tenga más sentido. 13:23.340 --> 13:25.860 Bien, tómalos en el medio. 13:25.850 --> 13:28.880 Usted reduce el medio. 13:29.050 --> 13:36.180 Probablemente le guste la fuerza del píxel del medio y luego busque las que busca. 13:36.420 --> 13:41.980 Estos que ves aumentan la fuerza de los que los rodean. 13:42.090 --> 13:43.910 Entonces tienes a los que están allí. 13:44.720 --> 13:45.610 Sí, esto es. 13:45.690 --> 13:50.700 Eso te da una ventaja y puedes ver cuál eres y mandar a otro. 13:50.700 --> 13:58.130 Entonces, la clave aquí es que es simétrica y puedes ver que la imagen también se vuelve 13:58.140 --> 14:03.580 asimétrica, así que tienes la sensación de que se está destacando hacia ti. 14:03.840 --> 14:08.910 eso es lo que obtienes cuando tienes los puntos negativos aquí y más aquí, de nuevo, esto es muy, esto se está volviendo 14:08.970 --> 14:13.860 un poco técnico ahora, pero al menos podemos obtener algún tipo de intuición y Lissa puede ir rápidamente a través de ellos nuevamente. 14:13.860 --> 14:14.160 Y 14:14.160 --> 14:21.480 Así que hay nitidez, hay desenfoque, hay manos edginales, hay una detección de bordes, y jefe, como se puede 14:21.480 --> 14:27.350 ver, estos son excelentes ejemplos de la misma imagen, pero estamos obteniendo mapas de características. 14:27.360 --> 14:32.430 Así que utilizamos diferentes detectores de funciones para obtener diferentes mapas de características de 14:32.430 --> 14:40.380 la misma imagen y, por lo tanto, ahora tenemos muchas de las últimas versiones de esta imagen, donde en cada una de ellas 14:40.440 --> 14:44.920 hemos intentado detectar ciertas cosas en estos términos, no son aplicables. para nosotros. 14:44.940 --> 14:50.460 Su segundo jefe probablemente no sea aplicable a nosotros en términos de redes neuronales convolucionales, pero la detección 14:50.550 --> 14:51.630 de edad es importante. 14:51.630 --> 14:58.590 Queremos detectar los bordes de borde mejorar probablemente no difuminar nitidez por lo que ciertas cosas como texto nervioso. 14:58.580 --> 15:02.450 Probablemente el más importante para nuestro tipo de trabajo. 15:02.460 --> 15:07.560 Y en términos de comprensión de las computadoras, ellos decidirán por sí mismos o las redes neuronales decidirán 15:07.560 --> 15:12.900 por sí mismas qué es importante, qué no y probablemente ni siquiera sea reconocible para el ojo humano. 15:12.900 --> 15:14.910 No podrá entender lo que significan esas características. 15:14.910 --> 15:22.530 que pueden procesar tantas cosas diferentes y comprender sin siquiera tener esa intuición o sin tener esa explicación por qué 15:22.530 --> 15:28.950 entenderán qué características son importantes para ellas, ya sea que tengamos un nombre para ellas o no 15:28.950 --> 15:34.380 es que sea un todo, es una pregunta irrelevante para la red neuronal artificial. 15:34.810 --> 15:39.830 Pero la computadora decidirá y esa es la belleza de las redes neuronales 15:39.990 --> 15:41.260 Y mi favorito 15:41.280 --> 15:50.940 Aquí hay una imagen de Geoffrey Hinton de Geoffrey Hinton que pasó por uno de estos filtros. 15:50.940 --> 15:53.070 De acuerdo, eso nos lleva al final de Teresa Tauriel. 15:53.070 --> 15:55.460 Espero que hayan disfrutado aprendiendo sobre la convolución. 15:55.470 --> 16:02.490 principal objetivo de la evolución. Encontrar características en su imagen usando el detector de características las pone en un 16:02.490 --> 16:08.280 mapa de características y al tenerlas en un mapa futuro conserva las relaciones espaciales entre 16:08.340 --> 16:15.710 píxeles, lo cual es muy importante. para que lo sepas, porque si están completamente revueltos, entonces hemos perdido el patrón. 16:15.720 --> 16:19.280 La conclusión clave es que la convolución es el 16:19.350 --> 16:25.110 Y, al mismo tiempo, es importante comprender que la mayoría de las veces las características que una 16:25.110 --> 16:32.430 red neuronal detectará y usará para reconocer ciertas imágenes y las de Klaas no significarán nada para los humanos, pero sin 16:32.460 --> 16:33.120 embargo funcionan. 16:33.120 --> 16:34.420 Y eso es lo que es la convolución. 16:34.440 --> 16:36.280 Y espero verte al lado de Tauriel. 16:36.300 --> 16:37.980 Hasta entonces disfruta el aprendizaje.