Публикации по теме 'cnn'


Обнаружение объектов в глубоком обучении (часть 1)
В области компьютерного зрения есть много интересных проблем. Мы собираемся сосредоточиться на проблеме локализации и обнаружения; также называется обнаружением объектов. «…мы будем использовать термин «распознавание объектов» в широком смысле, чтобы охватить как классификацию изображений (задача, требующая алгоритма для определения того, какие классы объектов присутствуют на изображении), так и обнаружение объектов (задача, требующая алгоритма для локализации всех объекты,..
Построение сверточной нейронной сети для классификации изображений с помощью Tensorflow
Эта статья написана Сидатом Асири , старшим инженером-программистом группы исследований и разработок Sysco LABS. Сверточная нейронная сеть (CNN) - это особый тип глубокой нейронной сети, которая хорошо справляется с задачами компьютерного зрения, такими как классификация изображений, обнаружение объектов и т. д. В этой статье показано, как создать классификатор изображений с помощью Tensorflow путем реализации CNN для классификации кошек и собак. При традиционном программировании..
День науки о голых данных — 40 (GANS AND Types of GANS)
Название: Генеративно-состязательные сети (GAN): раскрытие творческих способностей ИИ Введение: Добро пожаловать на 40-й день нашего путешествия по науке о данных! Сегодня мы погрузимся в увлекательный мир генеративно-состязательных сетей (GAN). Сети GAN произвели революцию в области ИИ, позволив компьютерам генерировать новые и реалистичные данные, такие как изображения, музыку и даже текст. В этом блоге мы рассмотрим концепцию GAN, их основные принципы и различные типы архитектуры..
Обнаружение маски лица в реальном времени
COVID-19 сделал обязательным ношение масок, чтобы защитить себя. В этом блоге мы обнаружим, что человек в маске или нет Участники проекта: Утсав Багела , Саурабх , Минал В этом блоге мы собираемся показать производительность различных алгоритмов машинного обучения и алгоритмов глубокого обучения при обнаружении лицевых масок в видео в реальном времени. В этом исследовании наборы данных используются для извлечения признаков с использованием каскада Хаара. Для процесса..
Как работают сверточные нейронные сети?
Я собираюсь объяснить, как работают сверточные нейронные сети (CNN). CNN обычно используются при работе с данными изображения. Это означает, что когда вы загружаете фотографию на Facebook, если он просит вас отметить вашего друга, это означает, что CNN работает в фоновом режиме. CNN использует особенности определенного объекта, чтобы распознавать их на изображениях. На самом деле этот процесс осуществляется нашим мозгом бессознательно. Когда мы смотрим на автомобиль, мы определяем..
Тренируйтесь на своем собственном наборе данных, используя CNN!
Итак, сверточные нейронные сети стали так популярны в наши дни! И всякий раз, когда вы слышите слово CNN, держу пари, в вашей голове всплывают различные наборы данных изображений. Да брось! Иногда такие вещи, как MNIST, CIFAR-10, слишком популярны, верно? Что ж, это руководство научит вас создавать собственный набор данных и обучать на нем свою модель CNN. Да, я знаю, что в Интернете полно моделей, обученных MNIST, и очень немногие учат вас обучать пользовательскую модель. Что ж,..
Урок 52 — Машинное обучение: глубокое обучение для прогнозирования временных рядов (интуиция)
Рекуррентные нейронные сети (RNN) для данных временных рядов Рекуррентные нейронные сети (RNN) — это класс искусственных нейронных сетей, предназначенных для обработки последовательных данных. У них есть «память» в виде скрытых состояний, которые переносят информацию от одного шага последовательности к другому. Это делает их подходящими для прогнозирования временных рядов, когда будущее часто зависит от прошлого. Интуиция . Представьте конвейерную ленту, передающую информацию от..