شبکه CNN برای دسته بندی کلاس هایی که مشابه هم هستند کاربرد دارد؟

Question

سلام
طبق مطالعه ای که من کردم شبکه ی CNN اصولن برای تشخیص مواردی استفاده شده که برای انسان کار راحتی است. مثلن گربه سگ و... یا حتی دیدم جایی روی دسته بندی انواع کاشی گرانیت استفاده شده است. (کاشی های گرانیت به حدودا 20 کلاس تقسیم می شوند که تفاوت دسته ها با هم زیاد هست و به راحتی با چشم قابل تشخیص اند )
سوال من این هست که آیا شبکه CNN روی مواردی که بسیار شبیه هم هستند که تشخیص آنها برای انسان هم نیاز به دقت زیاد دارد کاربرد دارد؟برای مثال دسته بندی سنگ مرمر(سنگ مرمر هم حدودا به 25 کلاس تقسیم می شود که تفاوت بین کلاس ها بسیار کم است و در حقیقت دسته های متفاوت شباهت بسایر زیادی به هم دارند.

Answer 1

سلام
شبکه های کانولوشنی الگوهای موجود در تصویر ورودی را یاد می گیرند. ممکن است این الگوها به هم دیگر شبیه باشند ولی قطعا در آنها تفاوت هایی وجود دارد که انسان با دیدن آنها کلاس های مختلفی را تشخیص می دهند. هر چقدر برای انسان نیاز به دقت بیشتری برای تشخیص الگوها وجود داشته باشند در واقع متناسب با این موضوع است که الگو های موجود در کلاس های مختلف شباهت زیادی با هم دارند. به این نوع کارها که درون کلاسی شباهت زیادی وجود دارد fine-grained classification می گویند.

A survey on deep learning-based fine-grained object classification and semantic segmentation

Comments

ممنون از پاسخگوییتون.مقاله مفیدی بود