文章目錄
本篇文章將介紹 Quick Draw Recognizer 這個卷積神經網路互動網站，它是一個使用 TensorFlow.js 建立的深度學習網站，並且已經在 Google 的Quick Draw 資料集上進行訓練。此訓練好的模型可將繪製圖像分為以下 100 個類別，使用者可在自己的瀏覽器中執行此預先訓練好的卷積神經網路。
此卷積神經網路模型包含 3 組卷積層+ 最大池化層，最後在加一個全連接層，下圖顯示了所使用的神經網路的架構。
上圖僅顯示了 2 個卷積層，而模型使用了 3 個卷積層。
- 活動目的：將手繪圖像經由卷積神經網路（Convolutional Neural Networks, CNNs）處理後進行預測
- 活動項目：深度學習應用
- 活動平台：Quick Draw CNN
- 使用環境：桌上型電腦或筆記型電腦
Step 1 操作畫面：
進入網站後將會看到下方這個互動網頁，在網站左側是您可以繪圖的區域，繪製的圖像會透過卷積神經網路輸出預測的分數，並在右邊預測區顯示您所繪製的圖像，模型預測將機率轉為各項可能類別的百分比，你也可以選擇清除重畫，現在畫一些圖像看看此卷積神經網路運行的效果。
Step 2 畫一個圓：
首先我們畫了一個圓，讓卷積神經網路辨識看看，模型辨識後認為 38.6% 像是線。( 如下圖)。這可能跟它訓練的狀況有關( 例如訓練資料、迭代次數、架構超參數等)。
Step 3 畫一個眼睛：
當我們試著在當中畫一個點當作眼睛時 (讀者也可以畫一個空心圓圈試看看效果)，模型辨識結果可能認為多一個點不像線，反而認為 62.1% 像是圓形 (如下圖)。
Step 4 畫眼睛及嘴巴：
我們試著將眼睛及嘴巴畫齊全，這時候模型辨識後認為 34.2% 像是笑臉，30.1% 像是餅乾。( 如下圖)。
Step 5 畫耳朵及鼻子：
我們將耳朵、鼻子也補上後，這時候模型認有 84.1% 非常高的機會是臉，笑臉則降為 13.2% ( 如下圖)。
由於整個卷積神經網路在全連接層後，會經由 softmax 激勵函數，顯示辨識後各類的機率值，我們也可以將機率值轉為百分比的方式顯示。大家可以看到，每一次辨識後，預測區的類別百分比加總後會是 100% ( 也就是機率1)。
這個活動可讓讀者親自操作卷積神經網路（Convolutional Neural Networks, CNNs）的應用，對於剛接觸深度學習的人非常適合。
如果大家想要多了解一些 AI 或 生成式 AI 的基礎概念，可以參考這一本書《 「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養 》，或是 SimpleLearn｜Online 課程，它將帶領讀者在不會程式、不會數學也OK!的情況下，了解整個 AI 到 生成式 AI 的相關觀念及應用，不僅可以建立最完整的 AI 入門知識，更是培養 AI 素養的最好學習內容。
如果你喜歡這篇文章歡迎訂閱、分享(請載名出處)與追蹤，並持續關注最新文章。同時 FB 及 IG 也會不定期提供國內外教育與科技新知。