Публикации по теме 'cnn'
Как я обучил модель машинного обучения распознавать породы собак
Этот пост в блоге расскажет вам все, что вам нужно знать, чтобы сделать это самостоятельно!
Код, используемый для этого проекта, можно найти в этом репозитории Github .
Скелетный код был предоставлен Udacity в рамках программы Data Science Nano Degree.
Определение проекта
В этом проекте мы стремимся создать модель глубокого обучения, которая может получить изображение собаки и определить ее породу. Это интересная проблема, потому что в случае успеха она может быть полезна для..
Выводы из создания CNN в Керасе
проваливая свой путь к точности 92%
Последние две недели я работал над чем-то особенным. Сверточная нейронная сеть, способная различать два человеческих лица. Вот как я построил модель: от сбора данных до построения модели.
Построение первой модели
Приступая к этому проекту, у меня не было опыта работы с нейронными сетями. Я совсем заблудился - «обучающий итератор», «функция активации», что вообще значили эти слова?
Целью было построить полноценную CNN, но я не мог даже собрать..
7 различных сверток для проектирования CNN, которые повысят уровень вашего проекта компьютерного зрения
Подробный обзор базовых, транспонированных, расширенных, разделяемых, глубинных и точечных сверток и их приложений.
Недавние исследования архитектур CNN включают в себя так много разных вариантов сверток, что меня смутило при чтении этих статей. Я подумал, что стоит пройтись по точным определениям, эффектам и вариантам использования (в компьютерном зрении и глубоком обучении) некоторых из наиболее популярных вариантов свертки. Эти варианты предназначены для экономии количества..
Глубокая мечта
Чтобы узнать больше о реализации глубокой мечты, нажмите Страница Github .
В рамках третьего мини-проекта я исследовал convnet в глубоком сне, где я могу крутить картинку на основе ее рисунка. Используемая мною свертка предварительно обучена в ImageNet. Поскольку Inception может вызывать прекрасные глубокие сны, я использовал начальную модель.
Алгоритм глубокого сна проиллюстрирован на рисунке ниже, который взят из раздела 2 главы 8 книги Глубокое обучение с помощью Python . Метод..
Распознавание выражений лиц закрытых лиц с помощью сверточных нейронных сетей (CNN)
Распознавание выражений лиц закрытых лиц с помощью сверточных нейронных сетей (CNN)
Распознавание выражения лица человека, носящего гарнитуру VR
Это резюме исследования - лишь одно из многих, которые еженедельно распространяются в информационном бюллетене для ученых в области ИИ. Чтобы начать получать еженедельную рассылку , зарегистрируйтесь здесь .
Технология распознавания лиц потрясающая. Это одно из тех достижений, которое показывает, как машина может действовать разумно,..
Классифицируйте логотипы (среди 6 выбранных брендов) с помощью глубокого обучения:
Существует 6 различных типов логотипов (Burger King, McDonalds, Other, Starbucks, Subway, KFC). Мы использовали CNN для прогнозирования новых изображений мячей.
Эта модель предсказывает, относится ли изображение к какому бренду, просматривая логотипы с использованием нейронной сети свертки.
Импорт библиотек:
Разархивируйте набор данных:
Предварительная обработка данных:
Сопоставьте классификации, т. е. классы, с целым числом и отобразите список всех уникальных 6 брендов...
ПРОГНОЗИРОВАНИЕ СПРОСА НА ВЕЛОСИПЕДЫ — ВРЕМЕННЫЕ РЯДЫ
Введение
В то время как все инструменты науки о данных, такие как классическое обучение, статистическое обучение и глубокое обучение, множатся. Мы постараемся представить и сравнить различные модели прогнозирования . Большая часть генерируемых данных связана с временем . Мы должны принять во внимание и включить время в нашу модель.
В этом блоге мы увидим три разных способа: - Наивный подход - Подход Машинное обучение - Глубокое обучение
В этом проекте мы собираемся..