Публикации по теме 'convolutional-network'
История нейронных сетей — Часть 2
Вторая часть истории серии нейросетей
Сеть Хопфилда ( Рекуррентная)
Нейронная сеть Хопфилда была изобретена доктором Джоном Дж. Хопфилдом в 1982 году . Он состоит из одного слоя, который содержит один или несколько полностью связанных рекуррентных нейронов. Сеть Хопфилда обычно используется для задач автоассоциации и оптимизации.
Здесь нейрон либо включен, либо выключен, что сильно упрощает реальную ситуацию. Состояние нейрона (включено: +1 или выключено: -1) будет..
Как использовать слои Conv2d как полносвязные слои.
В глубоком обучении сверточная нейронная сеть (CNN) представляет собой класс глубоких NN, которые обычно используются для распознавания шаблонов, присутствующих в изображениях, но они также используются для анализа пространственных данных, компьютерного зрения, обработки естественного языка, обработки сигналов и различных другие цели.
Цель этой статьи — продемонстрировать, как мы используем сверточные слои в качестве полносвязных слоев или как преобразовать полносвязные слои в слои..
Метрическое обучение с использованием сиамских и триплетных сверточных нейронных сетей
Понимание важности концепции, методов и интеллектуального анализа данных онлайн-обучения в метрическом обучении
Представьте, что у вас есть база данных, содержащая изображения лиц 1000 человек, в которой только несколько изображений представляют одного и того же человека. Теперь вы хотите построить систему распознавания лиц на основе этого набора данных. Как бы Вы это сделали?
Построить классификационную модель? Нет! Потому что у каждого человека есть только несколько изображений..
Обзор - DSOD: изучение детекторов объектов с глубоким контролем с нуля (обнаружение объектов)
1-я сеть обнаружения, обученная с нуля, модифицированная с SSD , с использованием плотных блоков из DenseNet , превосходит SSD , YOLOv2 , Faster R-CNN , R-FCN , ION
В этой статье рассматривается статья DSOD: изучение детекторов объектов с глубоким контролем с нуля (DSOD), подготовленная Университетом Фудань, Университетом Цинхуа и Intel Labs China. В этом документе:
Разработан Детектор объектов с глубоким контролем (DSOD) , в котором определен набор принципов проектирования,..
Обзор: RiR - ResNet в ResNet (классификация изображений)
В этой истории кратко рассматривается RiR (ResNet в ResNet) . RiR пытается обобщить блок ResNet для остаточной сети, сделав ввод с остаточным потоком и временным потоком , чтобы повысить точность . И он опубликован в 2016 arXiv примерно с 80 цитированием . Я отношусь к RiR как к отрывным бумагам для ResNet . ( Сик-Хо Цанг @ средний)
RiR разработан таким образом, что входной сигнал может проходить по сети между ResNet и стандартной ConvNet.
Что покрыто
ResNet в..
Глубокое обучение, обобщенный способ, часть 2
В продолжение Части-1 я предлагаю вам больше концепций глубокого обучения в консолидированной форме. Пожалуйста, проверьте Введение и эта статья для вас? в первой части .
Скорость обучения и планировщик
Алгоритм оптимизации сообщает когда обновлять параметры модели. Скорость обучения показывает, сколько необходимо обновить параметры модели. Цель алгоритма оптимизации — снизить потери модели или достичь точки минимума (зеленая метка на первом изображении). Скорость обучения..
Мое третье место в конкурсе OpenKBP Challenge
TL; DR: прогнозирование на 2D-срезах; UNet с разделенными свертками, плотно соединенным расширенным узким местом и выпадением; ансамбль модели, обученной с модифицированными потерями Smooth L1, и модель, обученная в структуре GAN для передачи стилей. Код доступен на https://github.com/sanch7/OpenKBP-Solution .
Прежде всего, я невероятно благодарен своим товарищам по команде Джехи Чуну и Сен Яну. У меня был большой опыт работы с ними. Несмотря на то, что мы объединились очень..