Мое резюме и важные заметки из научных статей и книг В этом разделе я напишу резюме и важные части статей, которые я недавно прочитал. Основные темы на данный момент: Методы глубокого обучения и машинного обучения для анализа изображений, включая семантическую сегментацию и сегментацию экземпляров. Этот набор данных является одним из самых популярных наборов данных для семантической сегментации изображений. Задача VOC (с 2006 года по настоящее время) состоит из двух частей:..

В этой статье рассматривается семантическая сегментация: задача маркировки пикселей изображения по их классам объектов. Целью семантической сегментации обычно является получение точных границ объекта на изображении. Он находит широкое применение в автономном вождении и других областях. Что круто в этой конкретной статье, так это то, что она применяет расширенные свертки к задаче семантической сегментации и обсуждает преимущества использования расширенных сверток в реальном приложении...

Capsules — одна из недавних работ Джеффа Хинтона, поэтому она так раскручена (думаю, независимая реализация вышла на следующий день после публикации статьи на arXiv). Цель капсул — добавить эквивариантность (поворот, масштаб, цвет и т. д.) в модели глубокого обучения. Прежде чем мы начнем наше обсуждение, необходимо провести различие между моделью, которая инвариантна , и моделью, которая эквивариантна относительно преобразований входных данных. Математически модель f инвариантна к..

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..

Ли, Т., Чжун, Дж., Лю, Дж., Ву, В., и Чжан, К. (2017). Простота. ml: На пути к многопользовательскому совместному использованию ресурсов для рабочих нагрузок машинного обучения. препринт arXiv arXiv:1708.07308 . В этом документе представлен еще один вариант мультитенантности в системе машинного обучения, когда пользователи (или арендаторы) отправляют задания, предоставляя только формат ввода и вывода (например, размер изображения и количество классов для выбора) и обучающие данные..