بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 11: تشخیص عکس Seeing Pictures

عکس برای کامپیوتر یک جدول عدد است. با جمع سطرها و ستون‌ها در یک شبکه‌ی ۵×۵ تشخیص می‌دهی خط عمودی است یا افقی.

در این جلسه یاد می‌گیری

درس

کامپیوتر چشم ندارد. برای او عکس یک جدول عدد است: هر خانه یک پیکسل، 1 سیاه و 0 سفید. در پایتون: لیستی از لیست‌ها، هر لیست یک سطر.

image = [
    [0, 0, 1, 0, 0],
    [0, 0, 1, 0, 0],
    [0, 0, 1, 0, 0],
    [0, 0, 1, 0, 0],
    [0, 0, 1, 0, 0],
]
for row in image:
    print(row)

برای این‌که شکل را «ببینی»، هر 1 را # و هر 0 را . چاپ کن. image[r][c] پیکسل سطر r و ستون c است.

for row in image:
    line = ""
    for pixel in row:
        if pixel == 1:
            line += "#"
        else:
            line += "."
    print(line)

ویژگی ساده‌ی یک عکس: جمع هر سطر. در خط عمودی هر سطر دقیقاً یک 1 دارد. در خط افقی، یک سطر 5 دارد و بقیه 0.

row_sums = []
for row in image:
    row_sums.append(sum(row))
print(row_sums)

جمع هر ستون کمی سخت‌تر است: برای ستون c باید image[r][c] را برای همه‌ی سطرها جمع بزنی.

col_sums = []
for c in range(5):
    total = 0
    for r in range(5):
        total += image[r][c]
    col_sums.append(total)
print(col_sums)

قانون تشخیص: اگر بزرگ‌ترین جمعِ سطر 5 بود → خط افقی؛ اگر بزرگ‌ترین جمعِ ستون 5 بود → خط عمودی. تشخیص‌دهنده‌های واقعی هزاران ویژگی این‌طوری را با شبکه‌ی عصبی یاد می‌گیرند، ولی ایده همین است: عدد → ویژگی → تصمیم.

⚠️ تشخیص چهره و حریم خصوصی: همین ایده، در اندازه‌ی بزرگ، چهره‌ی آدم‌ها را تشخیص می‌دهد. عکس دوستانت را بدون اجازه در اپ‌های هوش مصنوعی بارگذاری نکن؛ آن عکس می‌تواند برای آموزش مدل‌ها ذخیره شود و دیگر برنگردد.

مثال‌های این جلسه

چالش‌ها

  1. Draw the Picture (آسان)
  2. Count the Black Pixels (آسان)
  3. Row Sums (متوسط)
  4. Column Sums (متوسط)
  5. Vertical or Horizontal? (سخت)
  6. Noisy Picture (سخت)

بیشتر بخوان

← جلسه‌ی 10: آموزش یعنی اصلاح اشتباه جلسه‌ی 12: پروژه: تشخیص رقم کوچک →