Публикации по теме 'convolutional-network'


Обучить один и тот же CNN делать 18 разных вещей и визуализировать то, что он узнал.
Обучение нейронной сети 18 различным действиям. Архитектура сверточной нейронной сети (CNN) может быть довольно универсальной для задач зрения. В этой статье я расскажу о своем опыте использования одной и той же сетевой архитектуры для 18 различных задач классификации. В задачи классификации входят такие черты лица, как длина подбородка (3 градации), тип волос (111 типов), цвет волос (10 цветов волос) и т. Д. Я буду использовать набор данных CartoonSet 100k Image от Google,..
ResNeXt: с нуля
Компьютерное зрение , Исследования ResNeXt: с нуля ResNeXt следует простой концепции «разделяй и властвуй». ResNeXt часто называют расширенной версией ResNet. Некоторые из его важных приложений находятся в области отдела биомедицинской инженерии и особенно в отделе биоимиджинга. Здесь я собираюсь исследовать «создание ResNeXt: с нуля». Модули: PyTorch, CUDA (необязательно) Если вы не уверены в том, как установить PyTorch в вашей системе, вы можете проверить эту ссылку..
Эффективное и качественное обнаружение объектов в Raspberry Pi.
В настоящее время основным ограничением для работы нейронных сетей в периферийных средах, таких как raspberry pi, является ограниченное аппаратное обеспечение. Сети, которые имеют много параметров или используют сложную логику в своей обработке, требуют большого объема памяти и вычислительной мощности. Чтобы удовлетворить эту потребность, появились различные методы оптимизации, такие как сокращение и квантование, чтобы оптимизировать эти сети, однако не всегда возможно поддерживать..
Сверточные нейронные сети (CNN) и основы компьютерного зрения 101 Часть 1
Числовое представление изображений - входные данные модели Модели глубокого обучения не могут просто потреблять необработанные изображения, как человеческий глаз и мозг. Сначала нам нужно превратить все входные данные в числовые представления данных. Изображения должны быть преобразованы в пиксельные значения координат x, y и значения Red Green Blue (RGB). Мы храним данные в тензорах - многомерных матрицах чисел. Объяснение значения RGB Давайте поймем, какого цвета является пиксель..
Обзор: ParseNet - Чем шире, тем лучше (семантическая сегментация)
Обзор: ParseNet - Чем шире, тем лучше (семантическая сегментация) В этой статье мы кратко рассмотрим ParseNet . Используя ParseNet, добавляется глобальный контекст и повышается точность. Это статья 2016 ICLR с более чем 200 цитированием , когда я писал эту статью. ( Сик-Хо Цанг @ средний) Используя ParseNet, кошка на изображении выше не будет ошибочно классифицирована как птица, собака или овца. Упоминается, что глобальный контекст может помочь классифицировать..
Глубокое обучение в области гендерной психологии мозга и анатомических исследований
И как архитектура сверточной нейронной сети помогает делать выводы о когнитивно-поведенческих различиях полов Играют ли гормоны роль в наших когнитивных способностях? По-разному ли устроен мужской и женский мозг? Ответ положительный. Структурные различия в кластерах нервных клеток мужского и женского мозга дают нам достаточно оснований для того, чтобы рассматривать пол как биологическую переменную в исследованиях мозга. Различия в среднем коэффициенте интеллекта между мужчинами и..
Простой классификатор изображений с Python (сверточная нейронная сеть)
Сверточные нейронные сети могут стать настоящей головной болью для программирования. Их продвинутая структура и манипуляции с данными, необходимые для подачи изображений, делают его сложнее, чем обычная нейронная сеть. Я работал над поддержкой сверточной нейронной сети для пакета pip deployml, и я рад сообщить, что новый патч поддерживает обучение и развертывание сверточной сети. В этом руководстве мы можем обучить, оценить и развернуть его с помощью нескольких строк кода. Прежде..