Публикации по теме 'convolutional-network'


ДОКУМЕНТ 101 - Как ИИ научился видеть в темноте?
Здравствуйте, меня зовут Нишанк, и добро пожаловать в серию ДОКУМЕНТЫ 101 , в которых мы обсудим новые интересные исследования, проводимые в области машинного обучения и искусственного интеллекта! Я хотел бы поблагодарить Two Minute Papers и Károly Zsolnai-Fehér за то, что познакомили меня с этой статьей через их канал YouTube . Какого черта? В век камер для смартфонов фотография при слабом освещении просто необходима. Все флагманские телефоны поддерживают фотосъемку при..
Изучите основы компьютерного зрения с помощью известных данных MNIST
Это руководство знакомит вас с глубоким обучением на Python: научитесь предварительно обрабатывать данные, моделировать, оценивать и оптимизировать нейронные сети на основе известных данных «MNIST». MNIST («Модифицированный Национальный институт стандартов и технологий») с момента его выпуска в 1999 году, этот классический набор данных рукописных изображений служил основой для алгоритмов классификации тестов. По мере появления новых методов машинного обучения MNIST остается надежным..
Применение CNN для визуального анализа документов
Введение: Чтобы полностью понять эту статью, вы уже должны понимать общую логику и свойства CNN. Чтобы узнать о концепции сверточной нейронной сети, пожалуйста, обратитесь к нашему Теоретическому посту CNN : В этом посте мы рассмотрим знаменитую статью Лучшие практики сверточных нейронных сетей, применяемые для визуального анализа документов , написанную Патрисом Ю. Симардом, Дэйвом Стейнкраусом и Джоном К. Платтом. По сути, в этой статье описывается набор конкретных передовых..
Глубокое погружение в сверточные сети
Глубокое погружение в сверточные сети От стандартных блоков до самых передовых архитектур, включая интерпретируемость и предвзятость. Вступление Сверточные сети (ConvNets) - это класс эффективных нейронных сетей, которые достигают впечатляющих характеристик в задачах восприятия, таких как распознавание объектов. Их архитектура слабо вдохновлена ​​зрительной корой . В 2012 году AlexNet, разновидность ConvNet, с большим отрывом выиграл конкурс ILSVRC 2012, положив начало..
Эффективное распознавание изображений — от гиперпараметров до сверточных нейронных сетей
В последние годы машинное обучение широко используется во многих областях. Вычислительные достижения и доступность доступных графических процессоров позволили нам разработать сложные «глубокие» нейронные сети, которые могут иметь десятки скрытых слоев для решения сложных задач. Когда мы строим сложные математические модели с помощью нейронных сетей, мы понимаем, что есть возможности для точной настройки данной модели, прежде чем идти «глубже» и делать ее ресурсоемкой. В этой статье мы..
[Личные заметки] Глубокое обучение, Эндрю Нг - Курс 4.1: Сверточные нейронные сети
Компьютерное зрение Компьютерное зрение быстро улучшается с помощью глубокого обучения. Он применяется к таким вещам, как беспилотный автомобиль и система распознавания лиц . Он может решить такие проблемы, как классификация изображений , обнаружение объектов и передача стиля . Такая революция в компьютерном зрении стала возможной только с использованием сверточных слоев . При полносвязных слоях использование изображений в качестве входных данных требует слишком..
Глава 1 : История и введение
История: с чего все началось Это было летом 1966 года. Сеймур Пейперт, который только что присоединился к искусственному интеллекту, поручил летний проект группе из 10 студентов, включая себя. [ Источник оригинальной бумаги ] Проект был посвящен анализу и распознаванию объектов в сцене и их классификации по областям, таким как 1. Вероятные объекты 2. Вероятные фоновые области 3. Хаос Конечная цель состоит в том, чтобы ОБЪЕКТНАЯ ИДЕНТИФИКАЦИЯ фактически именовала объекты,..