Свързани публикации 'convolutional-network'
Ядра, съобразени с местоположението, за обработка на големи изображения с мозайки с конволюционни невронни мрежи
Проектът, върху който работя, е за извличане на текст от изображения с шумен фон. След няколко месеца работа открих три идеи, които смятам, че си струва да споделя: разширени мозайки, ядра с информация за местоположението, за да позволят на мрежата да поддържа частичен изглед на цялото изображение, докато обработва всяка плочка (това е най-интересната част според мен) и произволно обединяване .
Различните шрифтове и контраст, неравномерното осветяване, текстурираните фонове и..
SSD Multibox на обикновен английски
С голямо удоволствие следях „fast.ai MOOC“, за да намокря краката си със задълбочено обучение. Част 1, която се фокусира върху бързото започване с авангардни техники, беше доста необичайна, което ме мотивира да продължа към част 2. Темпото обаче се променя с част 2 и това е по-скоро като сделка тип Area51. За да цитирам Портал 2: „ Ние хвърляме науката в стената тук, за да видим какво остава“ . Оказва се, че има някои неща, които биха накарали Кейв Джонсън да се гордее, но кривата на..
Внедряване на Grad-CAM в PyTorch
Наскоро попаднах на глава в книгата на Франсоа Шоле Deep Learning With Python », описваща внедряването на Class Activation Mapping за мрежата VGG16. Той имплементира алгоритъма с помощта на Keras, тъй като той е създателят на библиотеката. Следователно инстинктът ми беше да внедря отново CAM алгоритъма с помощта на PyTorch.
Grad-CAM
Самият алгоритъм идва от тази хартия. Това беше страхотно допълнение към инструментите за анализ на компютърното зрение поради една основна причина...
Дълбок генеративен модел с йерархични латентни фактори за откриване на аномалии във времеви серии
Аномалиите са широко разпространени, когато става въпрос за работа с данни. Те стават жизненоважни във времеви редове. Затова е изключително важно да се предложат ефективни методи за тяхното откриване и справяне с тях. Тази статия илюстрира модерен модел, наречен DGHL за откриване на аномалия. DGHL включва ConvNet като генератор и вместо да кодира, увеличава максимално вероятността с алгоритмите за редуващо се обратно разпространение.
Както може би знаете, времевите редове са..
Задълбочено потапяне в конволюционните невронни мрежи, част 1:
Задълбочено потапяне в конволюционните невронни мрежи, част 1:
Ръководство за начинаещи за слоевете на конволюционните невронни мрежи
Въведение
Повечето модели, използвани в съвременните задачи за компютърно зрение като откриване на обекти, генеративно компютърно зрение, разпознаване на обекти и т.н., всички имат своята основна архитектура в конволюционни невронни мрежи (CNN).
Конволюционната невронна мрежа е дълбока невронна мрежа, използвана в компютърното зрение за извличане на..
Съвпадение на шаблони
9 от 9 за Въведение в обработката на изображения
Съвпадение на шаблони
Как намираме обекти от шаблони?
За тази последна публикация в блога за курса Въведение в обработката на изображения ще разгледаме съвпадението на шаблон и ще го покажем в действие. Това е стабилен метод, използван при откриване на изображения, разпознаване и проследяване на обекти. Същността на съвпадението на шаблона се състои в намирането на референтно изображение, известно като шаблонно изображение , в..
Как работят конволюционните невронни мрежи?
Ще обясня как работят конволюционните невронни мрежи (CNN). CNN обикновено се използват при работа с данните за изображения. Това означава, че когато качите снимка във Facebook, ако ви поиска да обозначите приятеля си, това означава, че CNN работи във фонов режим. CNN използва специфичните характеристики на даден обект, за да ги разпознае в снимки. Всъщност този процес се извършва от нашия мозък несъзнателно. Когато гледаме автомобил, ние определяме колата като кола, която гледа в..
