02 · Computer vision / Studium przypadku
Sign Language MNIST od podstaw
Implementacja perceptronu i sieci feed-forward w NumPy, skupiona na jakości etykiet, analizie błędów i porównaniu modeli.
Problem
Zrozumieć mechanikę uczenia sieci, implementując kluczowe elementy bez gotowej warstwy wysokiego poziomu.
Mój wkład
Zaimplementowałem perceptron i sieć feed-forward w NumPy: propagację wsteczną, mini-batch gradient descent, softmax i cross-entropy. Porównałem warianty oraz przygotowałem krzywe uczenia, macierze pomyłek i raport diagnostyczny etykiet.
Prosty model przed większą siecią
Perceptron jest punktem odniesienia. Sieć nieliniowa ma uzasadnić swoją złożoność zmianą zachowania na tych samych danych.
Błędy jako materiał do analizy
Wynik dla surowych etykiet testowych wynosi 45,84%. Diagnostyczne wyrównanie mapowania daje 88,62%. Raport zachowuje obie wartości; druga nie zastępuje pierwszej.
Widoczny proces uczenia
Walidacja, early stopping, regularyzacja i krzywe uczenia pomagają rozróżnić problem uczenia od problemu w danych lub ewaluacji.
Dowód i interpretacja
Co rzeczywiście mówi wynik.
Główny wynik na oryginalnych etykietach testowych: accuracy 0,4584. Osobna diagnostyka z wyrównaniem etykiet: 0,8862.
Najważniejszy rezultat to różnica między wynikiem testu a diagnozą jego przyczyny. 88,62% jest wynikiem diagnostycznym po wyrównaniu etykiet, a 45,84% pozostaje głównym wynikiem na oryginalnym pliku testowym.
Wynik dotyczy benchmarku Sign Language MNIST; nie opisuje jakości systemu rozpoznającego rzeczywisty język migowy z kamery.
Kolejny sensowny eksperyment
Zweryfikować pochodzenie i mapowanie etykiet w niezależnym zbiorze. Osobne badanie byłoby potrzebne do pracy z kamerą, różnym oświetleniem i dynamicznymi gestami.
Opisy sprawdzone z publiczną dokumentacją projektów 17 września 2026. Metryki pochodzą z raportów projektów; eksperymenty nie były ponownie uruchamiane przy tej aktualizacji strony.