Индивидуальный проект на тему «Нейросеть»: проверка фона
Индивидуальный проект на тему нейросеть: план опыта с двумя фонами, отдельные фотографии для проверки, журнал ошибок и вывод, который можно защитить самому.
А
Андрей
Преподаватель, научный редактор
8 мин чтения
«Рассказать, где применяют искусственный интеллект» и «проверить, меняется ли ответ классификатора при смене фона» — два разных плана. Первый легко превратить в пересказ сайтов. Во втором есть вопрос, собственные изображения и результат, который пока неизвестен. Индивидуальный проект на тему «Нейросеть» я бы начал со второго плана: у него можно показать, что именно сделал ученик.
Предлагаю исследовать два обычных предмета: маркер и ластик. Модель будет различать их на фотографиях. Нас интересует, насколько результат зависит от того, какие фоны встречались при обучении. Ниже мой план учебного опыта, а не отчёт о проведённом исследовании. Все количества кадров — предложенный объём работы; результатов и обещанной точности здесь нет.
Индивидуальный проект на тему «Нейросеть» начинается с вопроса
Рабочую тему я сформулировал так: «Влияние фона обучающих фотографий на распознавание двух предметов». Она уже полезнее заголовка «Нейросети в современном мире». Понятно, что будем менять, что наблюдать и где заканчивается исследование.
Гипотеза: если при обучении каждый предмет встречается на обоих фонах, ошибок при смене фона окажется меньше, чем после обучения на жёсткой связке «предмет — один фон». Это предположение. В выводе оно может не подтвердиться, и проект от этого не исчезнет.
В качестве инструмента можно рассмотреть Teachable Machine. На официальном сайте описаны сбор примеров по классам, обучение и проверка модели на новых примерах; для изображений можно использовать файлы или камеру. Для нашего плана удобнее заранее сохранённые файлы: по ним легче восстановить состав каждой проверки.
Нейросеть здесь является предметом исследования. Помощник для текста выполняет другую работу: помогает проверить план или ясность объяснения. Если твоя тема вообще не про модели, а чат нужен лишь для подготовки работы, посмотри разбор индивидуального проекта с нейросетью. Там другая постановка задачи.
Я бы согласовал с руководителем три вещи ещё до съёмки:
срок, за который реально собрать и проверить снимки;
продукт, который можно показать вместе с результатами.
Требования школы к объёму записки и защите берутся из её положения. Число страниц не показывает, насколько аккуратно выполнен опыт.
Сначала разложи фотографии, потом обучай
Понадобятся два различимых предмета, два однотонных листа для фона и одна камера. Выбери, например, белую и синюю бумагу. Снимай собственные предметы без людей в кадре. Положение камеры, свет и расстояние старайся сохранять, чтобы одновременно с фоном не поменялось всё остальное.
Я завёл бы папки до первой загрузки. Отдельно — изображения для обучения варианта А, отдельно — для варианта Б, отдельно — для финальной проверки. Имена файлов должны позволять узнать настоящий предмет и фон. Например, `test_marker_blue_01` обозначает проверочный кадр с маркером на синем листе. Само имя не надо печатать внутри изображения: подпись превратилась бы в дополнительную подсказку модели.
План двух обучающих наборов выглядит так:
Вариант · Маркер · Ластик · Всего кадров
А: предмет связан с фоном — 20 на белом — 20 на синем — 40
Б: фоны распределены поровну — 10 на белом и 10 на синем — 10 на белом и 10 на синем — 40
Это учебный выбор, не рекомендация сервиса о достаточном количестве данных. Он удерживает одинаковым общий размер наборов и число примеров каждого класса. Сравнивать маленький набор А с огромным набором Б было бы труднее: изменились бы сразу фон и объём обучения.
Внутри каждой группы немного меняй положение предмета. Двадцать копий одного снимка не дают двадцать разных наблюдений. При этом следи, чтобы один предмет не был всегда крупным, а другой маленьким: тогда появится ещё одно различие, которое ты не собирался изучать.
Для проверки подготовь новые кадры: по три для каждой пары «предмет — фон». Получится 12 изображений: маркер на белом, маркер на синем, ластик на белом, ластик на синем. Эти файлы не входят ни в один обучающий набор. Их снимают отдельно; простое переименование старого кадра не делает его новым.
Два варианта получают одинаковую проверку
Создай проект классификации изображений в выбранном инструменте и два класса: «маркер» и «ластик». Для первой версии используй набор А. Зафиксируй состав файлов и параметры обучения, которые показывает инструмент. Вторую версию обучи на наборе Б с такими же выбранными параметрами. Сохрани результаты двух обучений так, чтобы не перепутать их при проверке.
Я специально разделяю обучение и демонстрацию. Если показывать модели только те фотографии, на которых она училась, нельзя понять, справляется ли она с новыми изображениями. Этот принцип разобран в курсе машинного обучения Google: проверочные примеры отделяют от обучающих, а повторная подстройка под тест делает его менее независимым.
До запуска запиши порядок действий:
Зафиксировать оба набора и список из 12 проверочных файлов.
Обучить две версии по заранее выбранным условиям.
Показать каждой версии все проверочные изображения.
Для каждого изображения записать выбранный класс, даже если ответ выглядит нелепым.
Сравнить ошибки по фонам и предметам, сохранив полный журнал.
Если инструмент показывает значения для двух классов, заранее договорись, как определяешь ответ: например, берёшь класс с большим значением; точное равенство отмечаешь отдельно. Само большое число на индикаторе не подтверждает правильность классификации. Правильный предмет известен из того, что ты сфотографировал.
Не начинай после каждого промаха добавлять неудачный проверочный снимок в обучение. Тогда финальная проверка постепенно превратится в тренировку на знакомых вопросах. Если захотел улучшить модель, это уже следующий этап: для окончательной оценки после доработки понадобятся новые отложенные изображения.
Журнал важнее одного удачного показа
В журнал я включил бы имя файла, настоящий предмет, фон, ответ А и ответ Б. Последние две колонки заполняются только во время опыта. Пустая таблица до запуска честнее заранее написанного вывода «точность повысилась».
Ошибки считай не только общей суммой. Отдельно посмотри на сочетания, которых не было у варианта А при обучении: маркер на синем и ластик на белом. Именно они помогают проверить исходное предположение. Но не удаляй из отчёта остальные кадры: по ним видно, что происходило со знакомыми сочетаниями.
На 12 изображениях я предпочёл бы сначала написать количество верных ответов и количество проверенных кадров. Процент без знаменателя выглядит убедительнее, чем заслуживает такой маленький опыт. Если процент нужен для диаграммы, рядом оставь исходные числа, чтобы читатель мог восстановить расчёт.
Даже при меньшем числе ошибок у Б вывод остаётся ограниченным: «В нашем наборе при этих условиях версия Б ошиблась реже». Он не доказывает, что любая нейросеть узнаёт предмет по фону или что найден универсальный способ повысить качество. Мы проверили два предмета, одну камеру и небольшой набор снимков.
Есть и другие возможные причины различия: особенности кадров, освещение, случайность обучения. Повторные запуски с сохранением условий помогут увидеть устойчивость результата, но не надо выбирать из них только самый красивый. Если проводишь повторения, заранее определи их число и покажи все результаты. Если срок позволяет лишь один запуск каждого варианта, прямо запиши это ограничение.
Что принести на защиту
Продуктом я сделал бы комплект для повторения опыта: два списка обучающих файлов, отдельный проверочный набор, журнал ответов и короткую памятку о проверке классификатора. Такой комплект можно показать и объяснить. Одна презентация с определениями не заменит его, хотя слайды пригодятся для рассказа.
Перед консультацией я попросил бы текстового помощника проверить, достаточно ли журнала для сравнения двух фонов. Условия доступа к нему уточняют в тарифах LibraChat, а в самом чате можно предложить запрос:
Проверь мой план учебного исследования. Я сравниваю два состава обучающих фотографий, сохраняя число кадров и классов; финальные изображения отложены отдельно. Найди места, где меняется больше одного условия, и вопросы, на которые моего журнала не хватит. Не придумывай результаты и не пиши вывод за меня. План: [вставь свои условия].
Ответ помощника не заменяет ни опыт, ни обсуждение с руководителем. На защите я спросил бы: какие изображения модель не видела раньше, почему ты выбрал эту проверку и что изменил бы в следующем исследовании? По этим вопросам видно понимание, даже если гипотеза не подтвердилась.
Прямо сейчас создай папки для двух вариантов обучения и отложенной проверки. Пока ты можешь показать, какие снимки куда попадут, у работы есть понятное основание. После этого можно запускать модель и узнавать результат, которого ещё нет в твоём тексте.
