Публикации по теме 'image-classification'


Сеть региональных предложений (RPN) и объединение областей интересов: от классификации изображений до обнаружения объектов
Раньше мне было интересно, какая разница между классификацией изображений и обнаружением объектов. Во время моей предыдущей стажировки в качестве стажера-исследователя искусственного интеллекта моя основная обязанность заключалась в основном в задачах компьютерного зрения, особенно в классификации изображений. Изображение…
Сегментация изображений в компьютерном зрении
В этом посте мы рассмотрим, что такое сегментация изображений, некоторые подходы, пример реализации Python и ее приложений. Итак, начнем с определения. Что такое сегментация изображений? Сегментация изображения — это фундаментальный метод компьютерного зрения, целью которого является разделение изображения на несколько значимых и отдельных областей, каждая из которых соответствует определенному объекту, форме или структуре, присутствующей в изображении. Этот процесс включает в себя..
Создание простого и настраиваемого классификатора изображений с помощью обучаемой машины и Python
Открытие… Классификация изображений играет важную роль в области компьютерного зрения, способствуя решению многочисленных реальных проблем. Его приложения охватывают различные области и дисциплины, которые мы рассмотрим в следующих разделах. НО… Что такое классификация изображений? Классификация изображений включает в себя категоризацию изображений (всего изображения) на основе их типов или классов и служит фундаментальной задачей в области компьютерного зрения. Этот процесс..
Мобильные телефоны: проблема классификации изображений
Предыстория и введение с использованием алгоритмов обучения с учителем Классификация Классификация является одним из наиболее широко используемых методов выявления тенденций в наборах данных. Эти типы алгоритмов работают для надежной классификации наборов данных без использования других методов обработки данных. Алгоритмы классификации бывают либо контролируемыми, либо неконтролируемыми. Обучение с учителем использует помеченные данные для принятия решений, тогда как последнее..
Таинственные эффективные сети
Переосмысление масштабирования модели для сверточных нейронных сетей 1. Введение В исследовательской статье Переосмысление масштабирования модели для сверточных нейронных сетей представлено семейство архитектуры EfficientNet. В статье они систематически изучают масштабирование модели и определяют, что тщательная балансировка глубины, ширины и разрешения сети может привести к лучшим результатам. В документе представлен метод составного масштабирования, который равномерно..
Эппл против Эппл.
Несколько лет назад я пытался собрать изображения для создания приложения машинного обучения для подсчета калорий в еде. Пользователь фотографировал свою еду, затем приложение анализировало тип еды и сообщало количество калорий. На бумаге выглядит хорошо… НО. Когда вы начинаете создавать реальное машинное обучение, вы понимаете, сколько данных вам нужно для обучения высококачественной модели. Вам потребуется не менее 10 000 изображений для каждой функции. Более реалистично, я бы..
Шаги по реализации проекта машинного обучения
Независимо от того, какую задачу машинного обучения вы решаете, вам необходимо пройти следующие 4 шага: Шаг 1: Данные Примечание. Данные — это ключ к машинному обучению, а без данных не существует науки о данных. Определение: Просто вещи, на которых мы учимся. Как учиться: это длинная тема, но нам нужно быть осторожными с некоторыми моментами, такими как следующие: а. Соберите данные из одного и того же распределения, чтобы обучить модель и протестировать модель машинного обучения...