Felügyelt gépi tanulás 1 példányszámú képosztályoknál

OData támogatás
Konzulens:
Dr. Szűcs Gábor
Távközlési és Médiainformatikai Tanszék

A mesterséges intelligencia fejlődése az elmúlt évtizedben ugrásszerűen megnőtt. Mély neurális hálózatok emberhez hasonló eredményeket értek el képosztályozási feladatoknál. Sikerük a tanulóminták számosságának is köszönhető, azonban léteznek olyan problémák, melyeknél nem rendelkezünk sok tanulómintával csak 1, illetve nagyon kevéssel. Ahhoz, hogy a neurális hálózatok ilyen körülmények között is sikeresek legyenek új technikák alkalmazására van szükség.

Szakdolgozatomban bemutatom a tématerület elméleti hátterét és az ismert módszereket. Köztük azokat (az ú.n. one-shot algoritmusokat), melyek alkalmasak 1 példányszámból is tanulni. Az ismertetett technikák közül, a sziámi hálózatos megoldást választva, egy saját tervet és implementációt készítettem a problémához, melyeket részletesen bemutatok. Az algoritmusom eredményességének vizsgálatához az Omniglot adathalmazt választottam, melyen elemeztem az elért sikereket majd továbbfejlesztési javaslatokat tettem. Meggyőződve a használhatóságról egy új képhalmaz alkalmazásával arra a kérdésre kerestem a választ, hogy a one-shot algoritmusok hogyan használhatók testvérek közötti hasonlóságok felderítéséhez.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.