generated from TH_General/Template_Summary
78 lines
4.6 KiB
TeX
78 lines
4.6 KiB
TeX
\chapter{Deep Learning}
|
|
\label{chapter: deep learning}
|
|
Das \say{Deep Learning} ist ein Teilbereich des \ac{ML}.
|
|
Dieses ist wiederum ein Teilbereich der \ac{KI}.
|
|
Obwohl es faktisch ein Teilbereich ist haben sich \ac{KI} und \ac{ML} zu separaten Forschungsfeldern entwickelt.\\
|
|
\includegraphics[width = \textwidth]{ai_and_ml.png}\\
|
|
Allgemein beschrieben wird bei dem Deep Learning ein Modell aus mehreren Schichten aufgebaut.
|
|
Diese Schichten sind grundsätzlich hierarchisch aufgebaut und verarbeiten jeweils die Ausgabe des vorhergegangenen Schicht.
|
|
Hierfür werden sowohl Methoden aus dem Supervised Learning {\ref{supervised learning}}, als auch Methoden aus dem Unsupervised Learning {\ref{unsupervised learning}} verwendet.
|
|
Da die Modelle meist an das Menschliche Gehirn angelehnt sind werden hierfür Neurale Netzwerke verwendet.
|
|
Im Allgemeinen kommen 2 Arten von Neuralen Netzwerken zum Einsatz:
|
|
\begin{itemize}
|
|
\item \textbf{Faltunsnetzwerke (\ref{cnn}):}\\
|
|
für statische Daten (Bilder, Sprachaufnahmen, \dots)
|
|
\item \textbf{Zyklische Netzwerke (\ac{RNN}):}\\
|
|
für sequentielle Daten (Videostream, Fließtext, \dots)
|
|
\end{itemize}
|
|
|
|
\section{Allgemeines Lernprinzip}
|
|
\label{deep learning: principle}
|
|
\includegraphics[width=\textwidth]{deep-learing_learning-principle.png}
|
|
|
|
\section{Exkurs: Bilderkennung}
|
|
\label{bilderkennung}
|
|
\subsection{Neuro-biologisches Konzept}
|
|
\label{neuro-biological concept}
|
|
\includegraphics[width=.8\textwidth]{neuro-biological_concept.png}
|
|
|
|
\subsection{Bild Klassifizierung}
|
|
\label{image classification}
|
|
Der Inhalt eines Bildes soll klassifiziert werden.\\
|
|
\includegraphics[width=.8\textwidth]{image-classification.png}\\
|
|
Hierbei gibt es viele Probleme:
|
|
\begin{itemize}
|
|
\item \textbf{Semantic Gap:}\\
|
|
Der Computer sieht das Bild als eine Datenmenge von unabhängigen Pixeln.\\
|
|
\includegraphics[width=.6\textwidth]{semantical gap.png}
|
|
\item \textbf{Viewpoint Variation:}\\
|
|
Eine kleine Veränderung in der Kameraposition kann dazu führen, dass sich alle Pixel verändern.\\
|
|
\includegraphics[width=\textwidth]{viewpoint variation.png}
|
|
\item \textbf{Beleuchtung:}\\
|
|
Eine Veränderung der Beleuchtung kann zu sehr unterschiedlichen Pixeldaten führen.\\
|
|
\includegraphics[width=.8\textwidth]{illumination.png}
|
|
\item \textbf{Deformation:}\\
|
|
Die Objekte im Bild können unterschiedlich verzerrt sein.\\
|
|
\includegraphics[width=.8\textwidth]{deformation.png}
|
|
\item \textbf{Occlusion:}\\
|
|
Die zu klassifizierenden Objekte können teilweise verdeckt sein.\\
|
|
\includegraphics[width = .8\textwidth]{occlusion.png}
|
|
\item \textbf{Background Clutter:}\\
|
|
Das Bild kann einen Hintergrund mit starker Ähnlichkeit zu dem Objekt haben.\\
|
|
\includegraphics[width = .8\textwidth]{background clutter.png}
|
|
\end{itemize}
|
|
Um diese Probleme zu umgehen werden mehrschichtige Erkennungsmodelle verwendet.
|
|
Hierdurch wird versucht eine abstraktere Erkennung der Objekte zu ermöglichen.\\
|
|
\includegraphics[width=\textwidth]{abstract catifier.png}\\
|
|
Ein Beispiel für die einzelnen Features könnte wie folgt aussehen:\\
|
|
\includegraphics[width = \textwidth]{car features.png}
|
|
|
|
\section{classsical \ac{ML} vs. Deep Learning}
|
|
\includegraphics[width = \textwidth]{classical_ml_vs_deep_learning.png}
|
|
|
|
\section{Probleme des Deep Learning}
|
|
\begin{itemize}
|
|
\item \textbf{Deep Learning ist gierig:}\\
|
|
Es werden Millionen von Datensätze für das Training von Deep Learning Modellen benötigt.
|
|
\item \textbf{Deep Learing ist undurchsichtig:}\\
|
|
Deep Learing Modelle sind Black Box Modelle, die kontextunabhängig arbeiten
|
|
\item \textbf{Deep Learning ist spröde:}\\
|
|
Deep Learning Modelle können bei manchen Anwendungen gut funktionieren und bei anderen komplett scheitern;
|
|
sie sind nicht-linerare Natur
|
|
\end{itemize}
|
|
\includegraphics[width = \textwidth]{deep_learing_problems.png}\\
|
|
\includegraphics[width = \textwidth]{dumm_aber_raffiniert.png}
|
|
|
|
\section{aktuelle Trends}
|
|
\includegraphics[width = \textwidth]{trends.png}
|