Публикации по теме 'convolutional-network'
DeepFakes: взгляд с высоты птичьего полета
Deep Fakes: взгляд с высоты птичьего полета
Эта статья основана на исследовании Толосаны и др. в этой статье . Моя цель - дать общий обзор текущего состояния дел в мире DeepFakes и, надеюсь, вдохновить вас на продвижение передовых технологий, упомянутых здесь :)
Глубокие подделки относятся к технике создания фальшивых видеороликов с использованием методов глубокого обучения, чаще всего это включает замену лица человека на видео лицом другого человека. Эти методы представляют..
Перенос обучения для Tensorflow
Перенос обучения или индуктивный перенос — это исследовательская проблема в области машинного обучения, которая фокусируется на сохранении знаний, полученных при решении одной проблемы, и применении их к другой, но связанной проблеме. Например, знания, полученные при обучении распознаванию автомобилей, можно применить при попытке распознать грузовики.
Это особенно полезно, когда у нас есть небольшой набор данных. В этой статье мы обсудим, как переобучить только последние слои сети с..
Глубокие архитектуры CNN: ZFNet (второе место в ILSVRC, 2013 г.)
ZFNet был представлен в статье Визуализация и понимание сверточных сетей , написанной Мэттью Д. Зейлером и Робом Фергусом . . Эта архитектура не выиграла конкурс, но ее вывод был реализован победителем того года ( Clarifai , основанный Zeiler , ошибка теста 11,19%). Эта статья примечательна своей визуализацией и пониманием внутренней работы и поведения модели CNN , классифицирующей изображение. В статье мы также познакомились с методом, который сейчас широко известен как..
Интерпретируемость машинного обучения
Введение в интерпретируемость машинного обучения
Введение
Модели машинного обучения (ML) широко используются в различных областях, включая здравоохранение, финансы и электронную коммерцию, для прогнозирования и принятия решений. Однако понять, как эти модели делают прогнозы и принимать решения, сложно, особенно когда они сложны и нелинейны.
Интерпретируемость машинного обучения (MLI) — это область, которая стремится решить эту проблему, предоставляя методы и инструменты для..
Lyft Perception Challenge - 2-е место
В прошлом месяце Udacity в партнерстве с Lyft провел испытание на семантическую сегментацию, чтобы увидеть, кто из их студентов / выпускников может лучше всего идентифицировать транспортные средства и дороги в видеопотоке. Публикации оценивались по сочетанию точности и скорости. Это метод, который я использовал для получения 2-го места на этом конкурсе.
В конвейере, который я использовал, используется предварительная обработка данных и полностью сверточная сеть (FCN)...
Простое руководство по сверточным нейронным сетям
Сверточные нейронные сети демистифицированы без какого-либо причудливого технического жаргона!
Автомобили могут распознавать дорожные знаки. Facebook знает имена ваших лучших друзей. Вы можете использовать свое лицо, чтобы разблокировать телефон. Все это делается с помощью магии .
Я просто шучу, здесь нет никакого волшебства, просто старая математика. Но если серьезно, все, что я только что упомянул, является примерами сверточной нейронной сети .
Но прежде чем углубляться в..
Понимание сверточной нейронной сети (CNN).
Вся идея CNN началась с нашего мозга. Человеческий мозг легко обрабатывает изображение, где оно проходит через сетчатку в виде электрического сигнала к первичной зрительной коре, заполненной большими плотными слоями клеток. Он извлекает различную информацию изображения, такую как края, части изображения, уместно CNN использует различные фильтры для извлечения информации из входного изображения.
Ядра изображений / фильтры:
Если вы когда-либо использовали программное обеспечение для..