Лаборатория CNN Binary
Небольшая CNN для бинарной классификации изображений с визуализацией фильтров и feature map.
Эта страница обучает компактную CNN: Conv(3x3) -> ReLU -> Flatten -> Dense -> ReLU -> Dense -> Softmax.
Входные изображения переводятся в градации серого и масштабируются до 32x32, поэтому каждый образец — вектор размерности 1024 перед свёрткой.
Бинарные метки отображаются в вероятности классов: P(класс 1) и P(класс 2).
Сеть оптимизируется кросс-энтропией по двум классам:
$$ L = -\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{2} y_{ic}\log(\hat{y}_{ic}) $$
Низкий learning rate даёт стабильную сходимость, высокий — быстрее, но шумнее.
- Загрузите демо-изображения кот/пёс или свои файлы в каждый класс.
- Инициализируйте веса, запустите несколько эпох и следите за loss и accuracy.
- Просматривайте фильтры и feature map, чтобы понять, что захватывает первый conv слой.
- Загрузите тестовое изображение и изучите вероятности классов.
Dataset: 0
Epoch: 0
Loss: -
Accuracy: -
Обучающие изображения
Загруженные изображения масштабируются до 32x32 в градации серого перед обучением.
Загрузка изображений...
Conv фильтры (Realtime)
Предсказание
-