Author: Ing. Juraj Muráň

Konvolučná neurónová sieť predstavuje veľmi efektívny nástroj počítačového videnia v oblastiach ako rozpoznávanie obrazu a klasifikácia.

Základnou jednotkou neurónovej siete je počítačový neurón. Ako neurón funguje v istej abstrakcii, sa dozviete v našom článku.

Neurónové siete sú v súčasnosti mnohými považované za jeden z najlepších algoritmov strojového učenia. Vo vybraných úlohách dokážu priniesť výsledky s veľmi vysokou presnosťou a majú pomerne širokú škálu použitia.

Súčasné hardvérové možnosti umožňujú vytvárať veľmi hlboké modely s desiatkami až stovkami vrstiev a miliardami prepojení. Ale čo v prípade mobilných zariadení s obmedzeným výkonom ako sú roboty či drony?

Zaujíma Vás strojové učenie? Viete aké široké sú možnosti jeho uplatnenia a chceli by ste ho použiť vo svojej aplikácii? Avšak strácate sa v matematike, ktorá za ním je, či nerozumiete zložitým algoritmom, ktoré používa? Alebo si len neviete vybrať vhodný framework? Nevadí, s príchodom AutoML to už viac nie je problém.

Pri probléme detekcie pohyblivých objektov je úlohou nájsť pohybujúce sa objekty v zábere videa. Zložitosť tejto úlohy závisí od toho, či sa jedná o záber zo statickej či pohyblivej kamery, ako veľmi dynamické je pozadie scény záberu, atď. V súčasnosti už existuje množstvo algoritmov, ktoré riešia tento problém.

Ďalšou z úloh je detekcia objektov. Tu je cieľom lokalizovať a ohraničiť objekty, ktoré sa nachádzajú v snímke a rovnako ako pri klasifikácii určiť triedy jednotlivých objektov. Výsledkom algoritmu je teda zoznam objektov, ktoré boli nájdené.

Osobitnou kategóriou algoritmov strojového učenia je učenie formou odmeňovania (Reinforcement learning). V tomto prípade už na trénovanie modelu nepoužijeme žiadne označené, či neoznačené trénovacie príklady. Učenie tu prebieha tak, že vytvoríme systém – agenta, ktorého nasadíme do prostredia a necháme ho nech sa učí prostredníctvom interakcie s prostredím.