На этом шаге мы подведем некоторые итоги.
Обобщим сказанное на предыдущих шагах.
- Сверточные нейронные сети - лучший тип моделей машинного обучения для задач распознавания образов. Такую сеть можно обучить с нуля на очень
небольшом наборе данных - и получить приличный результат.
- Сверточные нейронные сети создают иерархию модульных шаблонов и понятий для представления видимого мира.
- Когда объем данных ограничен, главной проблемой становится переобучение. Обогащение данных - эффективное средство борьбы с переобучением при
работе с изображениями.
- Существующую сверточную нейронную сеть с легкостью можно повторно использовать на новом наборе данных, применив прием выделения признаков.
Этот прием особенно ценен при работе с небольшими наборами изображений.
- В дополнение к выделению признаков можно использовать прием дообучения, который адаптирует к новой задаче некоторые из представлений, ранее
полученных существующей моделью. Он еще больше повышает качество модели.
Со следующего шага мы начнем рассматривать продвинутые приемы глубокого обучения в технологиях компьютерного зрения.
