En general, las redes neuronales basadas en imágenes utilizan una estructura basada en píxeles de imágenes, conocidas como redes convolucionales .
Alimenta imágenes que a menudo se simplifican (píxeles más grandes y se convierten en niveles grises); cada píxel se asocia a sus vecinos a través de una primera capa de neuronas; esas áreas locales se agregan con áreas cercanas en las siguientes capas, etc. Eso permite que las primeras capas detecten líneas, ángulos y las siguientes para identificar círculos, formas, etc. Hay muchos matices (normalizar tamaños de formas, etc.) pero en general, lo que generalmente importa para esa clase de modelo es la forma.
La longitud y el diámetro de una hoja pueden ser muy útiles, pero es mucho más típica de la clasificación basada en un conjunto limitado de variables cuantitativas, típicamente basadas en un PCA. Esas dos clases de modelos no son compatibles por sí mismas, por lo que parece que podría confundir dos técnicas. Un enfoque posible es combinar los dos con meta-algoritmos (refuerzo, embolsado, etc.) pero eso está fuera de cada implementación. En términos simples: entrenaría ambos modelos y tendría en cuenta ambos resultados.
- ¿Puede el arte hecho por IA ser considerado arte?
- Si estoy interesado en el aprendizaje automático y la inteligencia artificial, ¿es mejor postularse a puestos de ingeniero de software o de ciencia de datos?
- ¿Cómo funciona la IA del juego de ping pong? ¿Qué es una explicación detallada o algunas referencias que lo explican?
- ¿Cómo es que el Traductor Universal de Star Trek no se considera una IA sensible por sí solo?
- ¿Cuáles son los subcampos más interesantes de Ai? En tu punto de vista.
La forma en que funcionan las redes neuronales es generalmente encontrar sus propias características relevantes para cada capa : a veces se pueden interpretar después del hecho, especialmente para las características de imagen, pero generalmente no se recomienda definir una neurona como responsable de una característica. El algoritmo encontrará alguna abstracción que podría estar estrechamente relacionada con algo que puede explicar, pero no será explícitamente el diámetro. Si su contacto principal con la red neuronal es ver una red capacitada, eso podría explicar la confusión.
