Я изучаю нейронные сети, а точнее, классификацию изображений на данный момент. Пока я читал, мне было интересно, выполнено ли это когда-либо/выполнимо. Если бы кто-нибудь мог указать мне на некоторые источники или идеи, я был бы признателен!Обращаясь к цели нейронных сетей
В традиционной нейронной сети у вас есть набор данных учебных данных и веса нейронов в сети. Цель состоит в том, чтобы оптимизировать весы, чтобы классификация изображений была точной для обучения данных, а новые изображения были максимально хорошими.
Мне было интересно, можете ли вы изменить это: Учитывая нейронную сеть и веса ее нейронов, сгенерируйте набор изображений, соответствующих классам, разделяемым сетью, то есть прототипам видов изображений эта конкретная сеть способна хорошо классифицировать.
В моем сознании это будет работать следующим образом (я уверен, что это не вполне достижимо, но просто для того, чтобы получить идею): Представьте себе нейронную сеть, способную классифицировать изображения, содержащие метки кошки, собаки и ни того, ни другого из тех. То, что я хочу, это «обратное», то есть изображение кошки, изображение собаки и «самое далекое» от двух других классов. Я думаю, что это можно сделать, создав изображения и минимизируя функцию потерь для одного конкретного класса, одновременно увеличивая его для всех других классов.
Это то, как Google Deep Dream визуализирует то, что он «мечтает»?
Я надеюсь, что это понятно, что я имею в виду, если нет, я отвечу на любые вопросы.