Публикации по теме 'image-classification'


Увеличение времени вывода InceptionV3 до 18 раз при использовании процессора Intel Core
В этой статье вы узнаете, как ускорить модель классификации InceptionV3 и начать вывод изображений в режиме, близком к / в реальном времени, с помощью процессора Intel® Core и Intel® OpenVINO. Давайте увеличим время вывода до 18 раз, вы готовы? Если у вас есть проблема, связанная с тем, что вам нужно работать в режиме, близком к / в реальном времени, но вы не хотите использовать выделенный графический процессор, это для вас. Используете ли вы все ресурсы, доступные на вашем..
Классификация изображений с помощью TensorFlow
Эта статья представляет собой комплексный пример обучения, тестирования и сохранения модели машинного обучения для классификации изображений с использованием пакета Python TensorFlow. TensorFlow TensorFlow - это пакет машинного обучения (в первую очередь глубокого обучения), разработанный Google с открытым исходным кодом; когда он был первоначально выпущен, TensorFlow был относительно низкоуровневым пакетом для опытных пользователей, однако в последние несколько лет, особенно после..
Это птица… Это самолет… Это Супермен
Введение Я экспериментирую с моделями глубокого обучения в PyTorch уже пару недель. PyTorch — это пакет Python с открытым исходным кодом, который обеспечивает тензорные вычисления (аналогичные numpy) с поддержкой графического процессора. Набор данных, используемый для этого конкретного сообщения в блоге, не соответствует реальному использованию PyTorch для классификации изображений. Тем не менее, это служит общей идеей того, как трансферное обучение можно использовать для более..
Объяснение полууправляемого обучения
Если вы новичок в машинном обучении и чувствуете себя подавленным таким количеством парадигм машинного обучения, которые упоминает ваш коллега; или вы путаетесь между полууправляемым, контролируемым и самостоятельным обучением при чтении статей/блогов; это очень естественно! Чтобы избавиться от этой ситуации, нужно всего лишь бегло прочитать следующие несколько строк, так что давайте начнем. В этой статье мы расскажем только о полуконтролируемом обучении и о том, чем оно отличается от..
CNN против MLP для классификации изображений
Почему CNN предпочтительнее MLP (ANN) для классификации изображений? MLP ( Многослойный персептрон ) используют один персептрон для каждого входа (например, пикселя в изображении), и количество весов быстро становится неуправляемым для больших изображений. Он включает слишком много параметров, потому что он полностью подключен. Каждый узел подключен к каждому другому узлу на следующем и предыдущем уровне, образуя очень плотную сеть, что приводит к избыточности и неэффективности...
Понять и реализовать ResNet-50 с TensorFlow 2.0
Классификация изображений с помощью очень глубокой нейронной сети Наша интуиция может подсказывать, что более глубокие нейронные сети должны улавливать более сложные функции и, таким образом, их можно использовать для представления более сложных функций по сравнению с более мелкими. Должен возникнуть вопрос - эквивалентно ли изучение лучшей сети наложению все большего количества слоев? Каковы проблемы и преимущества этого подхода? Эти вопросы и некоторые другие очень важные концепции..
Классификация землепользования с использованием сверточных нейронных сетей
Набор данных изображений землепользования UCMerced состоит из 21 класса землепользования, таких как Лес , Побег , Шоссе , Гавань и другие. В этом руководстве мы хотели бы поделиться тем, как создать программу Simple Convolutional Neural Networks для классификации землепользования. Прежде чем продолжить, пожалуйста, подготовьте программное обеспечение следующим образом: - Anaconda - Keras Python Library Собрав некоторые библиотеки, давайте начнем создавать код с 6 шаг за шагом..