Ταξινόμηση σκίτσων με τη χρήση βαθιών νευρωνικών δικτύων και της tensorFlow

Abstract

Η παρούσα διπλωματική εργασία ασχολείται με τη μελέτη και υλοποίηση μίας αρχιτεκτονικής Βαθιών Νευρωνικών Δικτύων και τη χρήστη αυτής σε ένα πρόβλημα ταξινόμησης εικόνων. Ο στόχος της εργασίας είναι ο σχηματισμός ενός μοντέλου Βαθιάς Μάθησης το οποίο, δοθέντος ενός σκίτσου, θα μπορεί να προβλέψει με ακρίβεια το αντικείμενο το οποίο απεικονίζεται σε αυτό. Ο σκοπός της δημιουργίας ενός τέτοιου μοντέλου είναι η αποθήκευση της γνώσης που απέκτησε κατά την εκπαίδευσή του, προκειμένου να μπορεί μελλοντικά να χρησιμοποιηθεί από παρόμοιες εφαρμογές ταξινόμησης εικόνων για τη βελτίωση των αποτελεσμάτων τους. Το μοντέλο που χρησιμοποιήθηκε εκπαιδεύτηκε πάνω σε περίπου 1.5 εκατομμύρια ασπρόμαυρα σκίτσα του συνόλου δεδομένων “Quick, Draw!”, το οποίο προέρχεται από το ομώνυμο διαδικτυακό παιχνίδι που αναπτύχθηκε από τη Google στα πλαίσια των πειραμάτων Τεχνητής Νοημοσύνης “Google AI Experiments”. Το πρόβλημα προσεγγίστηκε με τη χρήση μίας συγκεκριμένης αρχιτεκτονικής ενός Βαθιού Συνελικτικού Νευρωνικού Δικτύου, ωστόσο στα αρχικά στάδια έγιναν και πειράματα μικρότερης κλίμακας. Ως αποτέλεσμα, προέκυψε ένα μοντέλο ταξινόμησης εικόνων με ποσοστό επιτυχίας πρώτης πρόβλεψης 72% και ακρίβεια 85% στις πρώτες τρεις προβλέψεις. Ως μελλοντική επέκταση το μοντέλο αυτό μπορεί εύκολα να χρησιμοποιηθεί ως βάση για τη βελτίωση των αποτελεσμάτων άλλων μοντέλων που έχουν ως στόχο την επίλυση παρόμοιων προβλημάτων.