Публикации по теме 'data-augmentation'
Кредитование: игра с нулевой суммой и квинтэссенция прогнозирования рисков
TL;DR — кредитование — рискованное предприятие. Чтобы максимально использовать потенциал получения прибыли, предприятиям нужны заемщики с максимальным сроком владения без риска дефолта. Информация, с которой работают банки и NBFC, ограничена и не позволяет эффективно снизить риск. Данные о местоположении помогают измерить «богатство» — нематериальные преимущества функционального проживания или работы по соседству, — которые напрямую связаны с риском дефолта.
Почему кредитная..
Ускорение процесса обучения моделей машинного обучения
Как быстрее свести глубокую нейронную сеть и ускорить процесс обучения
Обучение алгоритмов машинного обучения направлено на то, чтобы максимально приблизить алгоритм к уровню понимания реальных сценариев. Обычно функция потерь должна быть минимизирована в зависимости от используемого алгоритма. После…
Расширение набора данных для компьютерного зрения и почему вы можете делать это неправильно
Руководство по различиям между методами поступательного, вращательного и масштабного отклонения
Отсутствие крупномасштабных помеченных наборов данных является серьезно ограничивающим фактором в обучении алгоритмов глубокого обучения для компьютерного зрения. Поскольку производительность CV-моделей во многом зависит от того, насколько репрезентативными для реальных сценариев являются точки данных, недостаточные и неполные данные часто являются одним из самых больших ограничений в..
Враждебные атаки и расширение данных
Несколько недель назад я познакомился с состязательными атаками и изо всех сил пытался найти четкую разницу между состязательными атаками и дополнением данных.
Мое замешательство началось с этих двух причин:
Оба они соответствуют преобразованию данных. Цель состоит в том, чтобы сделать нейронную сеть надежной в обоих случаях.
Рассмотрим гауссиан, примененный к обоим случаям. Мой руководитель дал очень хорошее объяснение, т.е.
Когда мы добавляем гауссиану к изображению в случае..
Давайте расширим аудиоданные🔊 Часть 1
Одна из самых больших проблем при автоматическом распознавании речи - это подготовка и увеличение аудиоданных. Анализ аудиоданных может производиться во временной или частотной области, что добавляет дополнительную сложность по сравнению с другими источниками данных, такими как изображения и текст.
Что такое увеличение?
Глубокие нейронные сети достигли высших достижений во многих областях искусственного интеллекта, таких как классификация изображений, обнаружение объектов и..
Вопросы по теме 'data-augmentation'
используя поток_из_каталога Кераса с FCNN
Я успешно обучил конституционную нейронную сеть для сегментации изображений с помощью Keras. Теперь я пытаюсь улучшить производительность, добавляя некоторые данные к своим изображениям. Для этого я использую ImageDataGenerator , а затем...
896 просмотров
schedule
08.11.2022
Увеличение данных путем увеличения
Я хочу расширить свой набор данных изображений, создав новые синтетические изображения. Одна из операций, которую я хочу попробовать, — это увеличение, т. е. взять часть исходного изображения (скажем, 80% исходного размера) и разумно увеличить эту...
535 просмотров
schedule
02.01.2024
Выполните увеличение (используя ImageDataGenerator) и сохраните увеличенное изображение как исходное имя
Я применяю аугментацию к 493 классам, и каждый класс имеет 1, 2, 3 или 4 изображения (его неизвестный 1 класс может иметь только 1 изображение, другой может иметь 2 изображения). Когда я применяю аугментацию с помощью ImageDataGenerator, я получаю...
848 просмотров
schedule
18.10.2022
Использование увеличения данных в Tensorflow 2
Я пытаюсь использовать новый API обнаружения объектов TensorFlow, выпущенный в июне. Но у меня возникают некоторые трудности с использованием утилит для увеличения данных, которые они предоставляют. Это потому, что они импортируют contrib.image из...
160 просмотров
schedule
18.02.2024