Публикации по теме 'convolutional-network'
Прогнозирование породы собак с использованием CNN и трансферного обучения
Прогнозирование породы собак с использованием CNN и трансферного обучения
В этой статье я продемонстрирую, как использовать keras и tensorflow для создания, обучения и тестирования сверточной нейронной сети, способной определять породу собаки на предоставленном изображении. Успех будет определяться высокой точностью проверки и тестирования, при этом показатели точности и отзыва будут различаться между моделями с одинаковой точностью.
Это проблема контролируемого обучения, в частности..
Введение в сверточные нейронные сети (CNN)
Здравствуйте, в этом блоге я сделаю краткое введение в модель сверточной нейронной сети. Сверточные нейронные сети или CNN привлекли большое внимание сообщества машинного обучения за последние несколько лет.
Это связано с широким спектром приложений, в которых CNN преуспевают, таких как обнаружение объектов и распознавание речи. В следующей части этого блога я рассмотрю проблему распознавания объектов, которая является ключевым моментом при использовании CNN. Вы также получите..
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..
Скрытая пространственная интерполяция изображений с использованием Keras и Tensorflow.js
Создайте автоматический кодировщик для набора данных MNIST с помощью Keras и разверните его в веб-браузере с помощью Tensorflow.js
Автоэнкодеры показали себя как мощные инструменты обучения без учителя.
Цель автоэнкодера - изучить представление (кодирование) набора данных, обычно для уменьшения размерности, путем обучения сети игнорировать сигнал шум - Википедия
Автокодировщики продемонстрировали свою полезность при уменьшении размерности, кластеризации, обнаружении аномалий и..
Обзор алгоритмов глубокого обучения для обнаружения объектов
Почему обнаружение объектов вместо классификации изображений?
Модели классификации изображений, подробно описанные в моем предыдущем сообщении в блоге , классифицируют изображения в единую категорию, обычно соответствующую наиболее заметному объекту. Однако в Zyl мы разрабатываем функции, которые возвращают старые воспоминания, похороненные в вашем смартфоне. Фотографии, сделанные с помощью мобильных телефонов, обычно сложны и содержат несколько объектов. При этом присвоение метки..
CapsNet Dissected
Исследования в области глубоких нейронных сетей ускоряются экспоненциально, с каждым днем все больше и больше людей привлекаются к этой области, и происходит взрыв исследовательских работ, наводняющих публикации, проводящих исследования различных аспектов и вводящих новые инновации и концепции. Однако интересно, когда крестный отец современного глубокого обучения объявляет о новом вкладе в эту область. Джеффри Хинтон не обманул ожиданий. CapsNet - это действительно образец мастерской..
Мета-обучение: учимся учиться
Алгоритм метаобучения, вероятно, изменится в будущем
Мета-обучение: учимся учиться
Обширные инновации в машинном обучении
Чтобы успешно понять и изучить новые концепции или взгляды, люди обычно используют один пример в своем обычном месте.
Они осваивают новые навыки намного быстрее и продуктивнее, чем машины; действие, воображение и объяснение.
Например, дети, которые несколько раз видели бабочек и муравьев, могут быстро их узнать. Точно так же подростки, которые понимают,..