Публикации по теме 'cnn'
Обнаружение объектов с помощью CNN с поддержкой сегментации
Между сегментацией и обнаружением существует тесная связь. Эмпирически известно, что вопросы, связанные с сегментацией, часто помогают в обнаружении объектов. Добавлены два модуля: модуль карт активации для функций, поддерживающих семантическую сегментацию, и модуль адаптации регионов для функции, поддерживающей грамматическую сегментацию. Здесь не используется дополнительная аннотация для обучения. FCN используется для модуля карты активации. Число каналов последнего уровня FC7..
Распознавание эмоций на лице с помощью CNN
Выражения лица служат важнейшим способом общения между людьми.
В исследованиях искусственного интеллекта методы глубокого обучения стали мощными инструментами для улучшения взаимодействия человека с компьютером. Анализ и оценка выражений лица и эмоций в психологии включают в себя оценку решений, чтобы предвидеть эмоции человека или группы. Это исследование направлено на разработку системы, способной прогнозировать и классифицировать лицевые эмоции с использованием алгоритма сверточной..
Naked Data Science Day — 34 (ПОЧЕМУ RNN и пример кода)
Название: Раскрытие возможностей рекуррентных нейронных сетей (RNN)
Введение
В обширной области науки о данных и машинного обучения существует множество алгоритмов и моделей, предназначенных для работы с различными типами данных. Когда дело доходит до последовательных данных, таких как временные ряды или естественный язык, рекуррентные нейронные сети (RNN) стали мощным инструментом. В этом сообщении блога мы рассмотрим мотивы использования RNN, углубимся в их внутреннюю работу и..
Простое руководство: слои сверточной нейронной сети (CNN)
Сверточная нейронная сеть (CNN) — это классический алгоритм машинного обучения. Ниже приведены 4 общих слоя в CNN:
Некоторые результаты, основанные на моих собственных исследованиях (поправьте меня, если я ошибаюсь):
Сверточный слой : самый трудоемкий слой. Слой Max-Pooling (слой Down-Sampling) : сокращение времени вычислений и количества параметров. Больший размер фильтров (параметр слоя ConV) не всегда становится лучше. Увеличьте процент отсева: больше потерь, меньше точности..
Классификация кошек и собак с использованием CNN
«Еще раз я должен напомнить вам, что Собака есть собака, а кошка есть кошка».
Это несколько строк из «Обращения кошек» Т. С. Элиота.
Хотя для некоторых людей разобраться с кошками и собаками очень просто, это может оказаться сложной задачей, когда дело доходит до использования нейронной сети свертки.
Используя эту модель, мы попытались сделать то же самое, то есть различить, какое изображение принадлежит кошкам, а какое — собакам.
Давайте поговорим о данных:
Мы использовали..
Реализация случайного стирания в наборе данных PostDam
Случайное стирание — это новый метод увеличения данных для обучения сверточной нейронной сети (CNN).
Содержание: Введение в случайное стирание Шаги для достижения случайного стирания
При обучении случайное стирание случайным образом выбирает прямоугольную область изображения и стирает ее пиксели со случайными значениями. В этом процессе генерируются тренировочные изображения с различными уровнями окклюзии, что снижает риск переобучения и делает модель устойчивой к окклюзии...
Обнаружение болезни листьев яблони
Бизнес-проблема и обзор:
Это тематическое исследование патологии растений 2020 года — выявление больного листа яблони. Болезни листьев вызывают бактерии, грибы и вирусы. Эти болезни могут поражать листья и вызывать появление пятен, полную гибель и опадение листьев, что влияет на здоровье растения. Данные состоят из четырех типов изображений: здоровый лист, ржавчина яблони, вызываемая грибком Gymnosporangium juniperi-virginianae, парша яблони, вызываемая грибком-аскомицетом Venturia..
