Публикации по теме 'convolutional-network'


Создание оптимальной архитектуры сверточной нейронной сети для классификации и…
Фон Приблизительно 700 000 человек живут с первичной опухолью головного мозга только в Соединенных Штатах, и эта статистика, по прогнозам, будет расти. До недавнего времени медицинские работники диагностировали опухоли головного мозга, оценивая данные, полученные при сканировании мозга, биопсии и тестах, таких как зрение, слух и равновесие. Рентгенологи просматривают 30–60 МРТ на пациента, поэтому человеческая ошибка может сыграть роль в ошибочном диагнозе. В последние годы CAD..
Капсульные сети: критика
Капсульные сети: критика 1. Введение Сверточные нейронные сети очень популярны в области компьютерного зрения. Они продемонстрировали невероятную производительность в таких областях, как обнаружение объектов, сегментация и т. Д. CNN используют совместное использование параметров и локальную связь, чтобы поддерживать небольшое количество параметров, что делает обучение и логический вывод с использованием CNN управляемым. . Первоначально предназначенные для изображений, теперь они..
Передача обучения с помощью CNN
Экспериментальный процесс Абстрактный В этой статье представлен экспериментальный процесс построения и обучения сверточной нейронной сети (CNN) для классификации изображений из набора данных CIFAR-10. Задача включает в себя использование преимуществ методов трансферного обучения с использованием предварительно обученных весов из приложений Keras, обученных на аналогичном наборе данных, таком как ImageNet. Этот подход включает в себя добавление пользовательских слоев поверх..
Метрики для моделей классификации — Часть 1
Метрики, используемые для оценки модели классификации на основе CNN Оценка модели классификации является крайне необходимым шагом в построении модели машинного обучения. Определение значений трех показателей необходимо при развертывании модели в реальных сценариях. В моделях классификации может быть 2 способа решения постановки задачи: один — через метки классов, а другой — через вероятности. Рассмотрим случай модели бинарной классификации, в ней есть 2 категории, которые можно..
Распознавание дорожных знаков для беспилотных автомобилей
Понимание CNN с использованием Keras. Содержание: Мотивация. Понимание набора данных. Шаг 0: Импортируйте библиотеки и набор данных. Шаг 1: Предварительная обработка данных. Шаг 2: Визуализация данных. Интуиция позади ConvNets. Шаг 3: Обучение модели. Шаг 4: Оценка модели. Мотивация: Беспилотные автомобили становятся очень популярными благодаря усилиям таких компаний, как Tesla, по автоматизации своих электромобилей. Чтобы стать автономными 5-го уровня, эти автомобили..
U-Net с нуля с использованием Tensorflow
При сегментации изображений машина должна создавать разделы в образе. Как показано на изображении выше, вы можете видеть, что изображение разделено на различные части, такие как автомобили, люди, дороги, поезда и т. д. Сегментация изображения полезна во многих областях, таких как беспилотные автомобили, спутники, но наиболее важной областью является сегментация медицинских изображений. . Существует много доступных архитектур сегментации изображений, но U-Net более популярен в..
23 документа по глубокому обучению, которые помогут вам начать работу - Часть 1
Глубокое обучение, вероятно, было самой обсуждаемой темой в академических кругах и промышленности в последнее время. Сегодня это уже не только для элитной группы ученых. Его широкое применение гарантирует, что люди из всех дисциплин понимают лежащие в основе концепции, чтобы иметь возможность лучше применять эти методы в своей области работы. В результате МООК, сертификации и буткемпы стали процветать. Люди обычно предпочитают практический опыт обучения. Однако есть значительная..