Публикации по теме 'image-classification'


Классификация изображений — Практическое руководство — Часть 2
Создание моделей классификации изображений с нуля с использованием TensorFlow, Keras и Transfer Learning. В первой части этой серии мы рассмотрели, как использовать предварительно обученные модели для классификации изображений. Во второй части мы создадим наши собственные классификаторы с нуля, чтобы понять некоторые основные методы, используемые для построения моделей классификации изображений. Постановка задачи и понимание данных Когда мы работаем над проблемой классификации..
Создание и развертывание системы распознавания алфавита
Использование Anvil для развертывания модели сверточных нейронных сетей (CNN) на веб-сайте В этой статье я покажу вам, как создать систему распознавания алфавита с использованием сверточных нейронных сетей (CNN) и развернуть ее с помощью nvil.works . В конце этого поста вы сможете создать точную копию системы, показанной выше. Содержание Сверточная нейронная сеть Реализация CNN Интеграция наковальни Сверточная нейронная сеть Давайте начнем с понимания, что такое..
Боб Росс или нет: я использовал машинное обучение для аутентификации картин Боба Росса
Может ли нейронная сеть решить, является ли произведение искусства подлинным? Боб Росс был одним из самых плодовитых художников и преподавателей живописи 20-го века. За свою жизнь он написал более 30 000 работ. Многие знают его по телешоу Радость живописи , которое транслировалось на канале PBS с 1983 по 1994 год. многим любителям и профессионалам, изучающим его стиль. Несмотря на его плодотворную карьеру, публично известно, что относительно немногие картины находятся в..
Использование машинного обучения с открытым исходным кодом — AutoML: классификация изображений
Обновлено: 08.01.2023 Исправление: SageMaker Studio требовалось обновление, и автоглюон отлично работает на ядре basepython2. Почему AutoML? Зачем этот блог? Мы наблюдаем растущий интерес к демократизации ИИ и МО. Поставщики облачных услуг, такие как AWS, GCP и Azure, продолжают инвестировать в создание сервисов более высокого уровня, которые упрощают машинное обучение для масс с помощью пользовательских интерфейсов или API-интерфейсов с щелчком и перетаскиванием, которые..
Глубокое обучение и классификация изображений для начинающих
Глубокое обучение  — это область машинного обучения, связанная с алгоритмами, вдохновленными структурой и функциями мозга, которые называются искусственными нейронными сетями . Это важный элемент науки о данных, который включает в себя статистику и прогнозное моделирование. Это чрезвычайно полезно для специалистов по данным, которым поручено собирать, анализировать и интерпретировать большие объемы данных; глубокое обучение делает этот процесс быстрее и проще. Глубокое обучение в..
Мягкое введение в гистограмму ориентированных градиентов
Машинное обучение - уникальная область, которая стремительно развивается с годами; однажды оптимальные алгоритмы часто заменяются в течение десяти-двадцати лет, чтобы уступить место более эффективным методам. Метод обнаружения гистограммы ориентированных градиентов (сокращенно HOG) - один из этих античных алгоритмов, которому уже почти десять лет; однако одна вещь, которая отличает его от других, заключается в том, что он все еще активно используется сегодня с фантастическими..
Напишите алгоритм для приложения для идентификации собак
Определение проекта Обзор проекта Эта статья о модели классификатора пород собак. Для этой цели я построил модель классификации изображений с помощью сверточной нейронной сети (CNN). Модель может использоваться как часть мобильного или веб-приложения. Он принимает любое изображение, предоставленное пользователем, в качестве входных данных. Если на изображении будет обнаружена собака, он предоставит оценку породы собаки. Если человек будет обнаружен, он предоставит оценку породы..