Публикации по теме 'convolution-neural-net'


Классификация с помощью машинного обучения и механическая сортировка отходов
Исходная информация В среднем американцы выбрасывают более 4 фунтов отходов в день [1]. По оценкам EPA, в 2017 году на свалку было выброшено 139,6 млн тонн мусора [2], и 75% отходов можно переработать или компостировать, но мы делаем это только для 34% [3]. Предметы, которые обычно считаются пригодными для вторичной переработки, не подлежат вторичной переработке, если они загрязнены, и, если их переработать, они загрязнят другие предметы, подлежащие вторичной переработке. Другие..
Octave Convolution: сделать шаг назад и посмотреть на входные данные?
Введение, краткое объяснение и подробная реализация Octave Convolution в PyTorch. Сверточные нейронные сети (CNN) доминируют в области компьютерного зрения. В этом посте мы рассмотрим недавно предложенную свертку Octave из этой статьи: Drop an Octave: Уменьшение пространственной избыточности в сверточных нейронных сетях с помощью октавной свертки . Октавная свертка может использоваться как замена ванильной свертки. Авторы продемонстрировали, что аналогичная (иногда лучшая) точность..
Реализация сверточной нейронной сети с использованием Keras
В этой статье мы увидим реализацию сверточной нейронной сети (CNN) с использованием Keras на наборе данных MNIST, а затем сравним результаты с обычной нейронной сетью. Настоятельно рекомендуется сначала прочитать сообщение Сверточная нейронная сеть - в двух словах , прежде чем переходить к реализации CNN, чтобы развить интуицию в отношении CNN. 1. Введение Набор данных MNIST чаще всего используется для изучения классификации изображений. База данных MNIST содержит изображения..
Сравнительный анализ метода бинов и сверточной нейронной сети для обнаружения малярии
Это мой первый блог среднего размера. Надеюсь, вы получили такое же удовольствие от чтения, как и я от его написания Оглавление: Введение Мотивация Выявленные проблемы Определение проблемы Предпосылки Демо Информация о наборе данных Рабочий процесс системы Алгоритмический вид с деталями реализации графический интерфейс Параметры оценки производительности Результаты Вывод Будущая сфера использованная литература 1. Введение Малярия остается серьезным бременем..
Сверточная нейронная сеть: как это работает?
В этой статье рассказывается об архитектуре и работе сверточных нейронных сетей (CNN). Начнем с вопроса - зачем нам CNN? CNN и MLP . Прежде чем мы начнем сравнивать, давайте рассмотрим пример, в котором у нас есть набор изображений в градациях серого, и каждое из этих изображений представляет собой число от 0 до 9. Как мы знаем, эти изображения интерпретируются как матрица пикселей, где каждый пиксель имеет номер от 0 до 255. Для простоты мы можем считать, что размер каждого изображения..
Глубокое обучение — Сверточные нейронные сети (CNN)
Часть 3 Сверточные нейронные сети (ConvNets) используются для обработки естественного языка и компьютерного зрения. Ключевое различие между многослойными персептронами (MLP) и ConvNet заключается в том, что MLP имеет плотно связанные слои, которые изучают глобальные шаблоны, тогда как ConvNet изучает локальные шаблоны с помощью фильтров. Успех ConvNet в конкурсе классификации изображений в 2011 году привел к более широкому вниманию к области глубокого обучения. ConvNets..
Сверточные нейронные сети для всех | Часть I
Учебное пособие под присмотром наставника, которое поможет пройти курс специализации Coursera Deep Learning 4 Первые три курса Специализации по глубокому обучению Coursera были невыносимо тяжелыми, но затем последовал курс 4 . Так много замечательных тем и концепций! Но бесчисленное количество раз, когда мы останавливали видео, делали заметки и пересматривали лекции, мы, группа официальных наставников, решили, что руководство для учащихся стоит затраченных усилий. В части I этой..