WEBVTT 00:00.640 --> 00:02.940 Olá e bem-vindo de volta ao curso sobre aprendizagem profunda. 00:02.970 --> 00:09.120 Hoje estamos falando sobre uma pista que é corrigida em suas unidades e este é um passo 00:09.120 --> 00:12.180 adicional em cima do nosso passo de convolução. 00:12.180 --> 00:16.140 Portanto, não é um grande passo separado, é um pequeno passo no primeiro passo, basicamente. 00:16.290 --> 00:18.230 E o que está acontecendo aqui. 00:18.240 --> 00:24.090 Bem, nós temos a nossa imagem de entrada que temos todos convolucionários lá que discutimos e, em 00:24.090 --> 00:26.080 seguida, além disso, vamos nos candidatar. 00:26.400 --> 00:27.190 Espere por isso. 00:27.240 --> 00:36.720 Nossa função de retificador favorita e você está familiarizado com a função de retificador da seção anterior sobre 00:36.750 --> 00:47.400 redes neurais artificiais e, em nossos Sozais, autores ou instrutores separam a convolução e o fogo direto como duas etapas 00:47.430 --> 00:54.030 separadas em nossos exemplos, que os considerará apenas um grande passo para a 00:54.030 --> 00:57.060 segunda evolução, em seguida, o retificador. 00:57.270 --> 01:03.750 E a razão pela qual estamos aplicando o retificador é porque você quer aumentar a não linearidade 01:03.780 --> 01:13.410 em nossa imagem ou em nossa rede e nossa rede neural comercial e nosso fogo atua como esse filtro ou acessa essa função que se rompe 01:13.440 --> 01:19.200 e você é o arity e o pelo que queremos aumentar a não-linearidade em nossa 01:19.440 --> 01:25.950 rede é porque as imagens em si são altamente não-lineares, especialmente se você estiver reconhecendo diferentes objetos 01:26.010 --> 01:32.790 próximos uns dos outros ou apenas em segundo plano e coisas assim, como a imagem, terá muitos elementos 01:33.180 --> 01:38.050 não-lineares e a transição entre pixéis pixels adjacentes é muitas vezes seria não-linear. 01:38.040 --> 01:41.280 Isso é o que você conhece porque as suas fronteiras são diferentes, as cores são diferentes. 01:41.460 --> 01:46.020 Existem elementos diferentes em suas imagens e, ao mesmo tempo em que 01:46.020 --> 01:52.410 estamos aplicando uma operação matemática, como a convolução, você conhece e executa essa detecção de recursos 01:52.710 --> 01:59.710 para criar nossos mapas de recursos, arriscamos que possamos criar algo linear e, portanto, precisamos dividir a narrativa. 01:59.970 --> 02:05.960 Então, vamos dar uma olhada em um exemplo aqui é uma imagem e imagem original. 02:05.970 --> 02:13.220 Agora, quando aplicamos um detector de detecção de recursos a esta imagem, recebemos algo assim. 02:13.290 --> 02:16.230 Então, você pode ver aqui que o preto é branco negativo também é um valor positivo. 02:16.230 --> 02:22.980 Quando você aplica um detector de recursos a uma imagem adequada que não tem apenas zeros e outros, mas tem muitos 02:22.980 --> 02:28.890 valores diferentes e você se aplica, como vimos anteriormente, o Texas pode ter valores negativos em si mesmo, 02:29.070 --> 02:30.920 às vezes você obterá valores negativos. 02:31.080 --> 02:34.670 E aqui estão os negros negativos, os brancos são positivos. 02:34.800 --> 02:45.240 E o que uma função de unidade linear rectificada faz é que remove todos os direitos negros em qualquer coisa abaixo de zero, ele se 02:45.240 --> 02:46.490 transforma em zero. 02:46.560 --> 02:49.160 E por isso, isso se transforma neste direito. 02:49.290 --> 02:57.990 E é por isso que é muito difícil ver qual é exatamente o benefício em termos de rompimento 02:58.050 --> 02:58.910 da linearidade. 02:59.400 --> 03:01.050 Vou tentar explicar. 03:01.080 --> 03:07.740 Vou tentar mostrar um exemplo sobre esta imagem, mas no final do dia, isso é um conceito muito matemático 03:07.740 --> 03:12.480 e teria que entrar em muitas matemáticas para realmente explicar o que está acontecendo. 03:12.480 --> 03:13.800 Mas vamos tentar vamos dar uma olhada. 03:13.800 --> 03:16.800 Então, por exemplo, vamos ver isso. 03:16.860 --> 03:17.580 Este edifício aqui. 03:17.580 --> 03:18.070 Certo. 03:18.090 --> 03:20.150 Então este é um prédio por conta própria. 03:20.730 --> 03:22.400 Então você pode ver essa sombra. 03:22.440 --> 03:29.010 Esta parte negra desta sombra aqui também, você vê que é branco o reflexo da luz e então é um 03:29.010 --> 03:33.160 cinza e então fica mais escuro e então fica mais escuro novamente. 03:33.240 --> 03:35.860 Então, e quando nós tiramos, tiramos esse ponto negro. 03:35.860 --> 03:38.220 Então pense nisso em termos de linearidade. 03:38.250 --> 03:43.700 Então, parece que quando você passa de branco para cinza, o próximo passo seria preto. 03:43.740 --> 03:50.970 Certo, o próximo será preto, é uma progressão linear de brilhante para escuro e, portanto, isso 03:50.970 --> 03:53.490 é como uma situação linear. 03:53.490 --> 03:56.560 Quando você tira o preto, você rompe a linearidade. 03:56.670 --> 03:57.800 Vamos tentar outro. 03:58.050 --> 03:59.110 Vamos dar uma olhada aqui. 03:59.220 --> 04:01.980 E ao mesmo tempo ainda é o mesmo edifício certo. 04:01.980 --> 04:08.320 Não é como você ou o seu, não é como se você estivesse misturando dois edifícios um no outro, 04:08.550 --> 04:09.810 mas isso é secundário. 04:09.810 --> 04:11.940 O ponto principal é dividir a linearidade. 04:12.210 --> 04:13.590 Então vamos dar uma olhada na mesma coisa. 04:13.590 --> 04:19.480 Então você vê cinza branco cinza preto e branco. 04:19.590 --> 04:22.520 E quando você derrubar você não tem mais isso certo. 04:22.530 --> 04:29.600 Você não tem essa progressão da progressão gradual que você apenas tem como uma mudança abrupta. 04:29.730 --> 04:33.540 E isso ajuda a introduzir a não-linearidade em sua imagem. 04:33.540 --> 04:42.540 Então, é uma explicação muito áspera, muito tipo de sobre ou sobre a explicação dos dedos, em vez de técnica, mas espero que o 04:42.690 --> 04:47.370 tipo de ajuda a entender um pouco melhor do que estamos falando aqui. 04:47.370 --> 04:54.870 Então, aqui novamente, você pode ver o cinza branco é um exemplo melhor até mais brilhante e mais escuro, mais escuro e 04:54.980 --> 04:55.680 mais escuro. 04:55.680 --> 05:04.460 Então, essa parte parece ser mais fina do que você quebrar novamente assim, então esta é uma explicação muito áspera. 05:04.480 --> 05:08.570 Não é absolutamente perfeito, mas pelo menos dá uma ideia do que está acontecendo. 05:08.800 --> 05:14.120 Mas se você quiser saber mais, há um bom papel, como sempre, sempre há um papel. 05:14.200 --> 05:20.370 Este é do corpo CCJ da Universidade da Califórnia e é chamado de redes neuronais de 05:20.380 --> 05:22.980 compreensão compreensiva que têm um modelo matemático. 05:23.200 --> 05:28.840 E basicamente eles são Ele responde a perguntas e você precisa apenas olhar para o primeiro. 05:28.840 --> 05:33.820 E a questão é por que não é uma função de ativação não-linear é essencial na 05:33.820 --> 05:36.130 saída do filtro de todas as camadas intermediárias. 05:36.220 --> 05:44.280 Então, esse tipo de explica isso em um pouco mais de detalhes tanto em termos de intuição quanto principalmente em termos de matemática. 05:44.320 --> 05:47.970 Então, esse é um documento interessante onde você pode obter mais informações adicionais sobre este tópico. 05:48.100 --> 05:53.360 E se você realmente quiser entrar e explorar algumas coisas legais aqui. 05:53.360 --> 05:55.690 Depois, há outro artigo sobre o qual você pode estar interessado. 05:55.690 --> 06:01.720 É chamado de aprofundar o retificador superando o desempenho do nível de nível humano na imagem 06:01.720 --> 06:02.830 e essa classificação. 06:02.920 --> 06:09.190 E aqui o autor está penteando o cabelo e outros da Microsoft Research. 06:09.400 --> 06:17.630 Eles propõem um tipo diferente de função de unidade rectificada rectificada. 06:17.650 --> 06:21.830 Eles propõem a função paramétrica corrigida que você vê aqui à direita. 06:22.030 --> 06:26.740 E eles argumentam que oferece melhores resultados sem sacrificar o desempenho. 06:26.740 --> 06:30.200 Tão interessante ler se você gostaria de obter um pouco mais sobre este tópico. 06:30.490 --> 06:32.020 E isso é tudo para hoje. 06:32.280 --> 06:38.380 Realmente você camada é bastante simples, então, para ajustar apenas aplicando a função de retificador e espero vê-lo 06:38.380 --> 06:39.230 na próxima vez. 06:39.250 --> 06:40.770 Até então, aproveite a aprendizagem.