Публикации по теме image-classification

Публикации по теме 'image-classification'

Самоконтролируемая классификация: семантическая кластеризация путем выбора ближайших соседей

Подход 2020 года к ортодоксальным классификационным парадигмам По иронии судьбы нейронные сети, которые утверждают, что сокращают ручные трудности, сами требуют вручную аннотированных контролируемых наборов данных. Эта ручная аннотация набора данных отнимает большую часть часов и дней тренировочного процесса. В документе «Как научиться классифицировать изображения без этикеток» предлагается решение этой утомительной проблемы. В этой статье мы попытаемся разобрать метод,..

Классификация изображений диких животных с использованием машинного обучения (MultiClass)

Мотивация Было много данных, лежащих вокруг для задач мультиклассовой классификации. Поэтому, чтобы узнать больше о различных способах использования сред глубокого обучения с использованием Pytorch, я рассмотрел наборы данных о диких животных от Kaggle. Этот набор данных содержит около 1725 изображений шести видов животных. Введение Набор данных относительно небольшой, поэтому для реализации таких моделей, как VGG16, ImageNet и ResNet, нам необходимо обрабатывать данные в..

Список наборов данных классификации изображений для машинного обучения

Представляем наборы данных изображений для задачи классификации. Если хотите, используйте их для обучения моделей машинного обучения. Задача обнаружения аномалий (2 класса) ADFI: https://adfi.jp/download/ МВТек: https://www.mvtec.com/company/research/datasets/mvtec-ad Задача классификации (многоклассовая) CIFAR-10, CIFAR-100: https://www.cs.toronto.edu/~kriz/cifar.html ImageNet: https://image-net.org/download.php МНИСТ: http://yann.lecun.com/exdb/mnist/..

Несбалансированные данные обучения при глубоком обучении? Решите это так.

Одна из самых больших проблем, с которыми мы сталкиваемся при решении любой проблемы машинного обучения, - это проблема несбалансированных данных обучения. Проблема несбалансированных данных заключается в том, что научные круги разделились в отношении определения, значения и возможных решений для одного и того же. здесь мы попытаемся разгадать тайну несбалансированных классов в обучающих данных, используя задачу классификации изображений. В чем проблема несбалансированных занятий?..

Глубокое обучение ансамблю для классификации изображений сетчатки (CNN)

По оценкам Всемирной организации здравоохранения (2019 г.), во всем мире насчитывается 2,2 миллиарда людей с нарушениями зрения, из которых по крайней мере 1 миллиард можно было бы предотвратить или до сих пор не лечили. Что касается ухода за глазами, мир сталкивается со многими проблемами, включая неравенство в охвате и качестве услуг по профилактике, лечению и реабилитации. Существует нехватка обученных офтальмологов и плохая интеграция офтальмологических услуг в основные системы..

Обзор: ResNeXt - 1 место, занявшее второе место в ILSVRC 2016 (классификация изображений)

Сеть в нейроне, новое измерение: мощность В этой статье рассматривается ResNeXt от Калифорнийского университета в Сан-Диего и Facebook AI Research (FAIR) . Название модели ResNeXt содержит Next. Это означает следующее измерение поверх ResNet . Следующее измерение называется измерением мощности . И ResNeXt становится первым, занявшим второе место в задаче классификации ILSVRC . По сравнению с ResNet (победитель в ILSVRC 2015, 3,57%) и PolyNet (2-й..

Простое объяснение Vision Transformers в PYTHON с исходными кодами для ваших исследований и проектов

Фон За последние несколько месяцев до написания этого поста, кажется, произошел своего рода прорыв в переносе Трансформеров в мир Компьютерного Зрения. Перечислим несколько известных работ по этому поводу: Изображение стоит 16x16 слов: трансформеры для распознавания изображений в масштабе , Обучение преобразователям изображений с эффективным использованием данных и дистилляции через внимание Если я могу сделать прогноз на 2021 год — в следующем году мы увидим МНОГО статей..