Публикации по теме convolutional-network

Публикации по теме 'convolutional-network'

Основы ConvNets

«Компьютерное зрение - это наука о программировании компьютера для получения высокого уровня понимания цифровых изображений». ConvNets лежат в основе распознавания изображений и компьютерного зрения. Одна из самых захватывающих вещей в этом - то, как последовательность необработанных математических операций, таких как умножение и сложение, проходит весь путь для обработки и распознавания сложных визуальных элементов. В этом выпуске мы поговорим о нескольких фундаментальных концепциях..

Обучение с глубоким градиентом

Обучение с глубоким градиентом Составные модели CNN XGBoost для классификации изображений земного покрова В эпоху обилия спутниковых снимков классификация земного покрова стала бесценным инструментом, используемым в моделировании качества воды , вырубке лесов и sklearn.ensemble malinverni1.pdf">исследованиях климата , росте городов и сельскохозяйственных исследованиях с развивающейся экономикой . Я увлечен анализом и классификацией изображений (особенно в том, что касается..

Классификация изображений и увеличение данных с помощью TPU

1. Аннотация Одной из высокоуровневых операций обработки в компьютерном зрении является распознавание. Процесс распознавания в основном основан на категоризации объектов с использованием их основных отличительных характеристик. С помощью предлагаемой нами методологии мы предоставляем систему распознавания цветов для набора данных цветов «Лепестки в металл» с использованием методов обработки изображений и сверточных нейронных сетей (CNN). 2. Введение Существует более 5 000 видов..

Объяснимый ИИ - что это такое? Почему это важно?

Открытие моделей машинного обучения черного ящика с помощью Explainable AI (XAI) Что такое объяснимый ИИ (XAI)? «Моя собака случайно снесла мусор и нашла в нем старую сырную пасту, и теперь убеждена, что мусорные баки обеспечивают бесконечный запас сырной пасты, сбивая ее при каждой возможности». Иногда вы могли бы увидеть, как ваша модель машинного обучения (ML) делает то же самое. Печально известный пример - как нейронная сеть научилась различать собак и волков. Он не научился..

Сверточные нейронные сети — Для начинающих

Я хочу использовать классификацию изображений, чтобы определить категорию комнаты в квартире в Нью-Йорке. Моя квартира находится в здании в Ист-Виллидж, Манхэттен, и поэтому она представляет собой городской стиль жизни. Он имеет 3 спальни, 1 кухню и 1 ванную комнату. Изображения этих категорий — это то, что я хочу передать в свою модель машинного обучения, и хочу, чтобы модель предсказывала категорию комнаты на этом изображении. После некоторых исследований я понял, что для этого мы..

Почему увеличение изображения — Часть 2

Это продолжение Части 1 , где мы обсудили проблемы с ограниченными изображениями в медицинской, полупроводниковой и других отраслях для обучения моделей глубокого обучения (DL). В предыдущей статье мы использовали библиотеку Albumentations для преобразования изображений (геометрическое преобразование). Даже эта библиотека облегчает нашу жизнь, помогая нам добиться увеличения и сохранить нетронутой выходную метку. Для классификации изображений вам необходимо изменить только входное..

Методы оптимизации моделей для нейронных сетей (ИНС)

Введение Искусственные нейронные сети (ИНС) – это вычислительные модели, вдохновленные функционированием человеческого мозга и способные обучаться на основе сложных нелинейных данных. Нейронная сеть состоит из элементарных блоков, называемых нейронами , которые получают входные сигналы от других блоков или внешних источников, обрабатывают их с помощью функции активации и передают в качестве выходных данных другим блокам. . Нейроны организованы в слои , которые могут быть трех..