Публикации по теме 'image-classification'


Использование моделей классификации изображений с несколькими метками Google Cloud AutoML в Python
Выполнение вывода машинного обучения на грани Это девятая статья в моей серии, посвященной обучению и запуску моделей Cloud AutoML на периферии. Этот пост является продолжением предыдущего поста об обучении модели классификации изображений с несколькими метками и описывает, как запустить обученную модель в среде Python. Если вы не читали этот пост раньше, я бы посоветовал вам сделать это: Обучение модели классификации изображений с несколькими метками с..
Изучение CNN (с данными изображения) с использованием простых программ KERAS и PYTHON
Здесь я постараюсь поделиться своим опытом изучения CNN. Я поместил простые небольшие примеры (коды), чтобы быстро понять. Python (≥3.6) и Keras (≥2) используются с Tensorflow в серверной части. Блокнот Jupyter лучше всего подходит для этих примеров. Что еще? Запустите коды и получайте удовольствие… 1. Распознавание почерка Здесь загружается набор данных MNIST. После обучения и проверки модели производительность оценивается с использованием тестовых данных. Для запуска кода..
Генеративные состязательные сети: борьба за то, какая нейронная сеть окажется на вершине
В мире, наполненном технологиями и искусственным интеллектом, становится все труднее отличить реальное от подделки. Посмотрите на эти две картинки ниже. Можете ли вы сказать, какая из них настоящая фотография, а какая создана искусственным интеллектом? Самое безумное в том, что оба эти изображения на самом деле поддельные , созданные новым гиперреалистичным генератором лиц NVIDIA, который использует алгоритмическую архитектуру, называемую генеративной состязательной сетью (GAN)...
Практический опыт достижения современных результатов по классификации спутниковых изображений EuroSAT…
Краткое описание DATASET: В этом посте я покажу вам, как получить почти современные характеристики на спутниковых изображениях Sentinel-2 (цветовое пространство RGB), предоставленных в рамках программы наблюдения Земли Copernicus. Этот пост является небольшой частью моего проекта ( Отображение инфраструктуры и мониторинг урбанизации в европейских странах с использованием глубокого обучения ), который я выполнял в Немецком исследовательском центре искусственного интеллекта. Набор..
Классификация изображений с использованием предварительно обученных моделей Torchvision в одном блоке YonoArc
Недавно я решил научиться реализовывать алгоритмы машинного обучения (ML), особенно в области компьютерного зрения, с помощью известного пакета Pytorch . Одним из полезных ресурсов, позволяющих растопить лед с помощью такого мощного пакета машинного обучения, является серия руководств PyTorch для начинающих , предлагаемых Learn OpenCV . Серия содержит некоторые основные темы, которые должны быть понятны разработчикам компьютерного зрения, использующим Pytorch. Я следую..
Модный MNIST с Керасом
Использование сверточной нейронной сети Обновление: вот мой Репозиторий Github , где вы можете найти мой скрипт Python для этого поста. Обзор: Fashion MNIST содержит изображения одежды 10 различных классов, таких как пальто, платья, рубашки и так далее. Каждое изображение имеет размер 28x28 оттенков серого. Fashion MNIST состоит из 70 000 изображений, из них 60 000 для обучения и 10 000 для тестирования. В этом посте я собираюсь объяснить, как я классифицирую набор данных..
Преимущество ImageDataGenerator для пользователей TensorFlow
Как работать с большим набором данных Предположим, вы имеете дело с набором данных изображений, имеющим 100 классов, и каждый класс состоит из 1000 изображений, если мы будем обучать модель на устройстве с низкой конфигурацией, это приведет к нехватке памяти. Тогда возникает вопрос, что нам делать? Здесь у оболочки Keras есть идея ImageDataGenerator . Вместо того, чтобы брать весь набор данных с помощью ImageDataGenerator, мы разделим данные на пакеты, а затем передадим пакеты..