Dumneavoastră sau rețeaua convoluțională? Utilizarea terenului din imagini satelitare
Vedeți 10 imagini satelitare reale Sentinel-2 din setul de date EuroSAT. Fiecare imagine acoperă 640 m × 640 m de teren din Europa (64 × 64 pixeli de 10 m). Pentru fiecare imagine alegeți clasa de utilizare a terenului dintre patru variante. După fiecare răspuns vedeți ce a prezis rețeaua neuronală convoluțională (CNN) din cursul 4 și clasa corectă.
Rețeaua este un ResNet-18 (rețea reziduală cu 18 straturi) preantrenat pe fotografiile ImageNet și ajustat fin pe 16.200 de imagini EuroSAT (transferul învățării). Nu a văzut imaginile din joc: ele provin din cele 5.400 de imagini de test. În fiecare joc, două carduri sînt imagini pe care rețeaua le clasifică greșit.
Ce arată jocul
- Pe toate cele 5.400 de imagini de test, rețeaua ajustată fin are dreptate în 98,76 % din cazuri: 67 de erori, cel mai des culturi anuale luate drept culturi permanente (8 imagini).
- Transferul învățării contează cel mai mult cînd etichetele sînt puține: cu doar 10 imagini etichetate pe clasă, rețeaua ajustată fin ajunge la 87,8 %, iar o CNN antrenată de la zero la 69,9 %.
- Jocul suprareprezintă erorile rețelei (2 carduri din 10, față de 1,24 % din imaginile de test), așa că scorul ei în joc este mai mic decît pe întregul set de test.
Clasamentul sălii, pentru proiector
Date: EuroSAT, imagini Sentinel-2 (Helber et al., 2019; 27.000 de imagini, 10 clase). Cele 40 de imagini din joc sînt extrase aleator dintre imaginile de test, cu sămînța 20261108: 3 pe clasă dintre cele clasificate corect de rețea și 10 dintre cele 67 de erori ale ei; fiecare joc extrage 8 corecte și 2 greșite. Modelul: predicțiile salvate de lectures/L4/analysis_L4.py. Cod: lectures/L4/make_game_L4.py.

