Публикации по теме convolutional-network

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..