Публикации по теме 'convolutional-network'


SSD Multibox на простом английском языке
С большим удовольствием я следил за fast.ai MOOC , чтобы познакомиться с глубоким обучением. Часть 1, которая фокусируется на том, чтобы быстро приступить к работе с передовыми методами, была довольно дикой, что побудило меня перейти к Части 2. Однако темп меняется с Частью 2, и это больше похоже на сделку типа Area51. Процитируем Portal 2: мы бросаем науку в стену здесь, чтобы увидеть, что прилипнет . Оказывается, есть вещи, которыми Кейв Джонсон мог бы гордиться, но кривая обучения..
Реализация Grad-CAM в PyTorch
Недавно я наткнулся на главу в книге Франсуа Шоле Глубокое обучение с помощью Python , в которой описывается реализация сопоставления активации классов для сети VGG16. Он реализовал алгоритм с помощью Кераса, поскольку он является создателем библиотеки. Следовательно, моим инстинктом было повторно реализовать алгоритм CAM с использованием PyTorch. Grad-CAM Сам алгоритм взят из этой бумаги. Это было отличным дополнением к инструментам анализа компьютерного зрения по одной..
Глубокая генеративная модель с иерархическими скрытыми факторами для обнаружения аномалий временных рядов
Аномалии широко распространены, когда дело доходит до работы с данными. Они становятся жизненно важными во временных рядах. Поэтому крайне важно предложить эффективные методы их обнаружения и борьбы с ними. Эта статья иллюстрирует современную модель DGHL для обнаружения аномалий. DGHL включает ConvNet в качестве генератора и вместо кодирования максимизирует вероятность с помощью алгоритмов чередующегося обратного распространения. Как вы знаете, временные ряды есть везде, в любой..
Глубокое погружение в сверточные нейронные сети, часть 1:
Глубокое погружение в сверточные нейронные сети, часть 1: Руководство для начинающих по слоям сверточной нейронной сети Введение Большинство моделей, используемых в современных задачах компьютерного зрения, таких как обнаружение объектов, генеративное компьютерное зрение, распознавание объектов и т. д., имеют свою базовую архитектуру в сверточных нейронных сетях (CNN). Сверточная нейронная сеть — это глубокая нейронная сеть, используемая в компьютерном зрении для извлечения..
Соответствие шаблону
9 из 9 за Введение в обработку изображений Соответствие шаблону Как мы находим объекты из шаблонов? В заключительной записи курса Введение в обработку изображений мы рассмотрим сопоставление шаблонов и покажем его в действии. Это надежный метод, используемый для обнаружения изображений, распознавания и отслеживания объектов. Суть сопоставления с шаблоном заключается в поиске эталонного изображения, известного как изображение-шаблон , в более крупном изображении, называемом..
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..
Data Science Nano Degree Capstone Project: использование CNN для прогнозирования породы собак
Обзор проекта Этот пост подводит итог завершающему проекту, который я сделал для программы Udacity Data Science Nano Degree Program. Цель проекта — классифицировать изображения собак в соответствии с их породой. CNN (Сверточная нейронная сеть) — это методология, используемая для достижения цели. Ссылка на Github Repo находится здесь: https://github.com/jl4730/DogBreed . Постановка задачи Основная задача состоит в том, чтобы построить алгоритм, принимающий на вход..