Публикации по теме 'image-classification'


Учебное пособие по обнаружению объектов TensorFlow путем создания классификатора Тома и Спайка - Часть 3 (Инициализация…
Это серия блогов, направленных на разработку и понимание нюансов API обнаружения объектов TensorFlow . Если вы еще не прочитали часть 1 и часть 2 этой серии, я рекомендую вам сделать это в первую очередь, где вы узнаете, как настроить все и подготовить свои собственные данные для создания классификатора соответственно. Если вы ознакомились с двумя последними частями и читаете это предложение, примите наши поздравления! Вы на полпути. Что ж, без лишних слов, давайте начнем с нашего..
Система обнаружения сонливости с использованием глубокого обучения
По данным Национального совета безопасности (NSC), каждый год вождение в сонном состоянии является причиной около 100 000 аварий, 71 000 травм и 1550 смертельных исходов. Кроме того, исследование, проведенное Фондом безопасности дорожного движения AAA, показало, что сонливость была фактором, способствующим до 9,5% всех аварий и 10,8% аварий, которые включали срабатывание подушек безопасности, травмы или значительный материальный ущерб. Автомобильные компании могут разработать систему..
Фото Эда 259 на Unsplash
Фото Ed 259 на Unsplash Обзор Две статьи назад мы разобрали структуру AlexNet и VGG-семейства. Хотя эти две сети в значительной степени различаются по выбору фильтров, шагов и глубин, все они имеют простую линейную архитектуру. GoogLeNet (а позже и все семейство Inception), напротив, имеет более сложную структуру. При первом взгляде на хорошо известную структурную диаграмму и таблицу GoogLeNet (см. ниже) мы, как правило, ошеломлены нетривиальной сложностью дизайна и сбиты с..
Как пример состязания атакует классификацию изображений в реальном мире
В этой статье будут представлены основные концепции состязательных атак на высоком уровне. Объяснил базовые знания, несколько типов атак, как создавать состязательные примеры. Кроме того, представлены несколько реальных примеров атак и экспериментальные усилия по их предотвращению. Базовые знания В последнее десятилетие технологии машинного обучения стремительно развиваются. Поскольку все больше и больше случаев использования в реальном мире, таких как распознавание изображений,..
Концепция машинного обучения 53: XGBoosting и Adaboosting.
Повышение: Повышение — это метод алгоритма машинного обучения, который включает объединение слабых моделей в сильную модель. Он работает путем последовательного обучения ряда моделей, при этом каждая модель пытается исправить ошибки предыдущих моделей. Таким образом, бустинг может улучшить общую точность модели, сделав ее более точной, чем любая отдельная модель в серии. => Повышение — это итеративный процесс, в котором каждая последующая модель обучается на модифицированной версии..
Может ли глубокое обучение работать лучше, чем голуби?
Моя вторая попытка пройти Урок 2 «Практического глубокого обучения для программистов» от fast.ai Я прорабатываю Урок 2 изумительного курса Практическое глубокое обучение для программистов Джереми Ховарда и Рэйчел Томас из fast.ai, а на прошлой неделе я обучил модель глубокого обучения классифицировать изображения тестов на беременность. Результаты которого не были однозначно положительными или отрицательными, но были либо слабо положительными, либо с линиями испарения. Однако..
Передача обучения по модели VGG-16
Трансферное обучение всегда является хорошим выбором для нейронных сетей. Когда мы используем предварительно обученную нейронную сеть для выполнения задачи, которую мы хотим, это называется трансферным обучением. Переносное обучение всегда лучше, чем обучение новой нейронной сети. Оно делает почти все простым, быстрым и точным. Все становится удобным - от обучения до прогнозирования. Сверточные нейронные сети обучаются медленнее, чем полностью связанные слои, поэтому мы используем..