Публикации по теме 'convolutional-network'


Как спроектировать детектор объектов, часть 2: проектирование шеи
Обнаружение объектов — важнейшая задача компьютерного зрения, которая включает в себя поиск и классификацию объектов на изображениях или видео. С развитием глубокого обучения детекторы объектов становятся все более точными и эффективными, и ключевым компонентом в этом отношении является «шея». Разработка эффективной горловины может значительно повлиять на производительность детектора объектов, но с широким диапазоном возможных конфигураций и архитектурных решений может быть сложно понять,..
Как обучить сиамскую нейронную сеть
Практические руководства Как обучить сиамскую нейронную сеть Простой способ работать с классами, которые не видны во время тренировок Когда вы впервые начинаете с машинного обучения, становится ясно, что для точного и надежного обучения модели требуются огромные объемы данных. И хотя это правда, при обучении моделей для целей, где требуется настраиваемый набор данных, вам часто приходится идти на компромисс в отношении уровня данных, которые видит ваша модель. Так было со мной;..
Эволюция знаний в нейронных сетях
Глубокое обучение стоит на двух столпах: графических процессорах и больших наборах данных. Таким образом, глубокие сети страдают при обучении с нуля на небольших наборах данных. Это явление известно как переоснащение. В этой статье [1] предлагается эволюция знаний, чтобы уменьшить как переобучение, так и нагрузку на сбор данных. В статье эволюция знаний поддерживается двумя интуитивными представлениями: Dropout и ResNets. Тем не менее, в этой статье представлена ​​еще одна третья..
Как Spotify использует машинное обучение?
Spotify  — шведский поставщик услуг потокового аудио и мультимедиа, основанный 23 апреля 2006 года Даниэлем Эком и Мартином Лоренцоном. Это один из крупнейших поставщиков услуг потоковой передачи музыки с более чем 456 миллионами активных пользователей в месяц, включая 195 миллионов платных подписчиков, по состоянию на сентябрь 2022 года. Известно своим пользовательским интерфейсом и музыкальными рекомендациями, давайте углубимся в то, как Spotify использует машинное обучение...
Понимание 1D- и 3D-сверточной нейронной сети | Керас
Когда мы говорим Сверточная нейронная сеть (CNN), обычно мы имеем в виду двумерную CNN, которая используется для классификации изображений. Но в реальном мире используются два других типа сверточных нейронных сетей: одномерные и трехмерные CNN. В этом руководстве мы рассмотрим 1D и 3D CNN и их приложения в реальном мире. Я предполагаю, что вы уже знакомы с концепцией сверточных сетей в целом. 2-мерный CNN | Conv2D Это стандартная сверточная нейронная сеть , которая впервые..
Сегментация спутниковых снимков с помощью сверточных нейронных сетей
Можем ли мы использовать глубокое обучение, чтобы понять, что такое лес, здание или река из космоса? Недавно у меня была возможность поработать над проектом компьютерного зрения с использованием сверточных нейронных сетей для определения различных типов земного покрова на спутниковом изображении. Во время моего исследования прошлые материалы с открытым исходным кодом от сообщества машинного обучения были чрезвычайно полезны для ответов на вопросы и устранения общих неполадок. Я..
Визуализация фильтров CNN в PyTorch
ссылка на гитхаб В этом уроке я попытаюсь изучить, насколько легко визуализировать изученные фильтры и отдельные слои CNN с помощью PyTorch. Поскольку PyTorch хранит все как простой словарь Python, а его модели — это просто классы Python, это значительно упрощает весь процесс. Мы можем просто использовать matplotlib для вывода каждого отдельного фильтра и слоя, как если бы они были простыми объектами Python. Пример вывода