Как стать автором
Обновить
  • по релевантности
  • по времени
  • по рейтингу

Deep Learning: Transfer learning и тонкая настройка глубоких сверточных нейронных сетей

MicrosoftАлгоритмыОбработка изображенийМашинное обучение
Перевод
В предыдущей статье из цикла «Deep Learning» вы узнали о сравнении фреймворков для символьного глубокого обучения. В этом материале речь пойдет о глубокой настройке сверточных нейронных сетей для повышения средней точности и эффективности классификации медицинских изображений.


Читать дальше →
Всего голосов 25: ↑23 и ↓2 +21
Просмотры24.7K
Комментарии 0

Deep Learning: Cочетание глубокой сверточной нейронной сети с рекуррентной нейронной сетью

MicrosoftАлгоритмыОбработка изображенийМашинное обучение
Перевод
Представляем вам завершающую статью из цикла по Deep Learning, в которой отражены итоги работы по обучению ГСНС для изображений из определенных областей на примере распознавания и тегирования элементов одежды. Предыдущие части вы найдете под катом.


Читать дальше →
Всего голосов 29: ↑27 и ↓2 +25
Просмотры20.8K
Комментарии 3

Создаём нейронную сеть InceptionV3 для распознавания изображений

PythonАлгоритмыОбработка изображенийМашинное обучение
Из песочницы


Привет, Хабр! Под катом пойдёт речь о реализации свёрточной нейронной сети архитектуры InceptionV3 с использованием фреймворка Keras. Статью я решил написать после ознакомления с туториалом "Построение мощных моделей классификации с использованием небольшого количества данных". С одобрения автора туториала я немного изменил содержание своей статьи. В отличие от предложенной автором нейронной сети VGG16, мы будем обучать гугловскую глубокую нейронную сеть Inception V3, которая уже предустановлена в Keras.

Вы научитесь:

  1. Импортировать нейронную сеть Inception V3 из библиотеки Keras;
  2. Настраивать сеть: загружать веса, изменять верхнюю часть модели (fc-layers), таким образом, приспосабливая модель под бинарную классификацию;
  3. Проводить тонкую настройку нижнего свёрточного слоя нейронной сети;
  4. Применять аугментацию данных при помощи ImageDataGenerator;
  5. Обучать сеть по частям для экономии ресурсов и времени;
  6. Оценивать работу модели.

При написании статьи я ставил перед собой задачу представить максимально практичный материал, который раскроет некоторые интересные возможности фреймворка Keras.
Читать дальше →
Всего голосов 39: ↑39 и ↓0 +39
Просмотры101.5K
Комментарии 27

Получение морфируемой 3D-модели лица на основе фотографии в произвольном ракурсе

АлгоритмыМашинное обучениеИскусственный интеллект
Привет, Хабр! Представляю вашему вниманию перевод статьи «Learning 3D Face Morphable Model Out of 2D Images».

3DMM

Трёхмерная морфируемая модель лица (3D Morphable Model, далее 3DMM)  —  это статистическая модель структуры и текстуры лица, которая используются компьютерном зрении, компьютерной графике, при анализе человеческого поведения и в пластической хирургии.

Неповторимость каждой черты лица делает моделирование человеческого лица нетривиальной задачей. 3DMM создётся для получения модели лица в пространстве явных соответствий. Это означает поточечное соответствие между полученной моделью и другими моделями, позволяющими выполнять морфирование. Кроме того, в 3DMM должны быть отражены трансформации низкого уровня, такие как отличия мужского лица от женского, нейтрального выражения лица от улыбки.
Читать дальше →
Всего голосов 15: ↑13 и ↓2 +11
Просмотры12.8K
Комментарии 4