Публикации по теме 'image-classification'
Классификация изображений с помощью сверточной нейронной сети
Доступны коды Python : https://github.com/JNYH/Project_Kojak
SPCA ежегодно принимает от 7000 до 9000 животных. Половина из них - брошенные домашние животные, такие как кошки, собаки, кролики и морские свинки. Идентификация питомца требует времени и, следовательно, продлевает время ожидания его включения в список для усыновления.
В NParks есть группа волонтеров, которые регулярно встречаются для наблюдения за птицами. В то же время они помогают собирать данные о популяции..
Погружение в сознание ИИ
Все мы слышали термины нейронные сети , обнаружение объектов и глубокое обучение . И мы видим, как эти сети волшебным образом преобразуют науку и инженерию. У нас есть такие приложения, как обнаружение лиц, обнаружение объектов, беспилотные автомобили и т. Д. И все это замечательные приложения глубокого обучения. Но почему эти сети работают так, как они работают? (Прочтите до самого конца, чтобы узнать!)
В этом сообщении блога мы немного углубимся в «сознание ИИ» , чтобы..
Выявление вредителей и болезней растений с помощью модели ResNet50 в применении интеллектуального земледелия и…
Исходя из опыта выращивания растений, который невозможно отделить от угрозы нападений вредителей и болезней, некоторые исследователи обнаружили тот факт, что необнаруженные и неконтролируемые нападения вредителей снижают урожайность растений на 30–80% и могут вызвать неурожай. Часто мелкие фермеры имеют ограниченные знания о типах болезней и вредителей растений. В 2016 году только 40% фермеров в Западной Яве, Индонезия, распознали тип атаки вредителей и болезней.
Поэтому, чтобы помочь..
[Вывод] Изучение переносимых архитектур для масштабируемого распознавания изображений
Основная идея. Архитектурная инженерия находит применение при разработке нейронных сетей для распознавания изображений. Основная идея документа заключается в том, чтобы выполнить архитектурный инжиниринг в меньшем наборе данных, а затем перенести этот архитектурный блок в больший набор данных, тем самым снизив затраты. Ключевым вкладом этой работы является разработка нового пространства поиска под названием NASNet Search Space. Это пространство поддерживает переносимость.
В статье..
Проект сквозного машинного обучения: часть 1
Проект сквозного машинного обучения: часть 1
Сквозное машинное обучение занимается подготовкой ваших данных, обучением на них модели и последующим ее развертыванием . Цель этой серии из двух частей - продемонстрировать, как разработать и развернуть проект сквозного машинного обучения для модели классификации изображений с использованием Transfer Learning .
Хотя существует множество других онлайн-ресурсов, которые подробно показывают, как создавать собственные модели, очень мало..
Построение API классификации изображений с помощью Tensorflow и FastAPI
Научитесь создавать API классификации изображений с помощью Tensorflow и FastAPI с нуля.
FastAPI - это высокопроизводительный асинхронный фреймворк для создания API на Python.
Видеоурок также доступен для этого блога.
Исходный код этого блога доступен aniketmaurya / tensorflow-fastapi-starter-pack
Начнем с простого примера hello-world
Сначала мы импортируем FastAPI класс и создаем объект app . Этот класс имеет полезные параметры , например, мы можем передать..
Редкие наборы данных для компьютерного зрения, с которыми должен работать каждый специалист по машинному обучению
Вы когда-нибудь пытались угадать возраст другого человека? Что ж, может быть ДА !! Как насчет того, чтобы играть в такие игры, как поиск вещей за минимальное время? или о том, чтобы найти письменный знак там, где ваш врач написал в рецепте, когда вы заболели?
Что ж, каждый сталкивался с этими проблемами в реальной жизни. Как насчет того, чтобы попросить свою машину или любимый компьютер выполнить задание за вас. Разве это не здорово? на самом деле компьютеры используют машинное..
