Публикации по теме 'image-classification'
Как создать прогностическую модель классификатора изображений без единой строки кода?
В этом конкретном посте мы узнаем, как разработать прогностическую модель классификатора изображений с использованием проекта Google с обучаемой машиной. Этот проект Google помогает любому, кто не имеет опыта машинного обучения, разработать модель машинного обучения. Веб-приложения и мобильные приложения могут использовать эти сгенерированные модели.
Мы будем использовать набор данных цветов для разработки классификации изображений.
Доступ к набору данных цветов на сайте Kaggle..
Создание CelebritySleuth - бессерверного каркасного приложения
Знаменитости
Сервис распознавания лиц знаменитостей, который я создал с помощью Serverless Framework , с использованием Twilio , Amazon Rekognition и IMDbPy API .
Этот проект представляет собой обзор бессерверных вычислений и детализирует концепцию, помогая создать убедительный пример Shazam for Celebrities , получивший название CelebritySleuth , с использованием бессерверной платформы.
Для получения дополнительной информации о бессерверной архитектуре и бессерверной..
Новое поколение ученых сияет в AGU
Осеннее собрание AGU в этом году завершилось. Ранее мы писали о группе старшеклассников, которые представили свои исследования в AGU в партнерстве с членом команды IMPACT. Это не единственный способ, которым IMPACT поддерживает студентов-ученых в AGU. Четыре члена команды IMPACT, которые являются ассистентами-дипломниками или стажерами бакалавриата в Университете Алабамы в Хантсвилле, также имели возможность представить исследования в AGU.
Ассистент-исследователь Маниша Хатри..
Как выполнять обучение смешиванию из файлов изображений в Keras
Ранее мы представили набор уловок для повышения производительности классификации изображений со сверточными сетями в Keras, на этот раз мы более подробно рассмотрим последний прием, называемый смешиванием.
Что такое тренировка по смешиванию?
Статья Смешивание: МИНИМИЗАЦИЯ ЭМПИРИЧЕСКОГО РИСКА предлагает альтернативу традиционным методам увеличения изображения, таким как масштабирование и вращение. Формируя новый пример посредством взвешенной линейной интерполяции двух существующих..
Мой первый хакатон по глубокому обучению - точность 95%
Привет ребята,
Недавно я участвовал в своем самом первом хакатоне по глубокому обучению, который проводил Analytics Vidhya. Здесь я расскажу, как я начал с самого начала, какие подходы я использовал, как я утвердил свои оценки и, наконец, достиг 95% точности тестирования.
Фон
Изначально, когда я начал свой путь к машинному обучению, я в значительной степени ограничился только проблемами регрессии и классификации. Раньше меня очень пугали модели компьютерного зрения из-за продвинутого..
Обзор: Trimps-Soushen - победитель ILSVRC 2016 (классификация изображений)
Хорошие практики для глубокого слияния функций: первый, у кого коэффициент ошибок ниже 3% (когда производительность человека может достигать только 5%)
В этой истории рассматривается подход победителя, Trimps-Soushen , в задаче классификации ILSVRC 2016. Trimps расшифровывается как T hird Исследовательский I институт M министерства P ublic S ecurity, или по-китайски 公安部 三 所. Короче говоря, Trimps - это исследовательский институт по развитию технологий общественной..
Как использовать COVID-19 для личностного роста
Как использовать COVID-19 для личностного роста
Поднимитесь и проявите себя во время глобальной пандемии, используя машинное обучение и творчество.
Пандемия COVID-19 только что поразила мир. Людей просят оставаться дома. Многие люди потеряли работу, не могут работать в данный момент или просто не знают, что им делать со своим временем.
Пандемия полностью меняет повседневную жизнь людей. Но у каждого человека есть выбор: как справиться с этой ситуацией. Пришло время сиять и..
