Laboratorio CNN Binaria
Piccola rete neurale convoluzionale per classificazione di immagini a due classi con visualizzazione di filtri e feature map.
Questa pagina allena una CNN compatta: Conv(3x3) -> ReLU -> Flatten -> Dense -> ReLU -> Dense -> Softmax.
Le immagini in input sono convertite in scala di grigi e ridimensionate a 32x32, quindi ogni campione e un vettore 1024-dimensionale prima della convoluzione.
Le etichette binarie sono mappate a probabilita di classe: P(classe 1) e P(classe 2).
La rete e ottimizzata con cross-entropy su due classi:
$$ L = -\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{2} y_{ic}\log(\hat{y}_{ic}) $$
Usa un learning rate piu basso per una convergenza stabile, o piu alto per aggiornamenti piu veloci ma rumorosi.
- Carica immagini demo di gatto/cane o carica file personalizzati in ciascun bucket di classe.
- Inizializza i pesi, esegui alcune epoche e monitora loss e accuratezza.
- Controlla i valori dei filtri e le feature map per capire cosa cattura il primo strato conv.
- Carica un immagine di test e ispeziona le probabilita di classe.
Immagini di training
Le immagini caricate sono ridimensionate a 32x32 in scala di grigi prima del training.
Caricamento immagini...