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..