Pytania otagowane jako image-processing

Forma przetwarzania sygnału, w której wejściem jest obraz. Zwykle traktuje obraz cyfrowy jako sygnał dwuwymiarowy (lub wielowymiarowy). Przetwarzanie to może obejmować przywracanie i ulepszanie obrazu (w szczególności rozpoznawanie wzorców i projekcję).

1
Co oznacza warstwa wąskiego gardła w sieciach neuronowych?
Czytałem FaceNet papier i w 3. akapicie wprowadzenia mówi: Wcześniejsze podejścia do rozpoznawania twarzy oparte na głębokich sieciach wykorzystywały warstwę klasyfikacyjną przeszkoloną w oparciu o zestaw znanych tożsamości twarzy, a następnie przyjmowały pośrednią warstwę wąskiego gardła jako reprezentację stosowaną do uogólnienia rozpoznawania poza zestawem tożsamości używanych w szkoleniu. Zastanawiałem się, …

1
Jak automatycznie klastrować U-Matrix?
Po przeszkoleniu samoorganizującej się mapy można obliczyć U-Matrix . Istnieje kilka narzędzi do ręcznej wizualizacji i identyfikacji klastrów, ale zastanawiam się, czy istnieje jakiś algorytm do wykonania tego procesu w sposób automatyczny (tj. Bez patrzenia na postać w celu zidentyfikowania klastrów). Czy jest na to sposób? Piszę swój kod w …

2
Wykryj wzory kołowe w danych chmury punktów
W przypadku niektórych algorytmów rekonstrukcji objętości, nad którymi pracuję, muszę wykryć dowolną liczbę wzorów kołowych w danych punktów 3d (pochodzących z urządzenia LIDAR). Wzory mogą być dowolnie zorientowane w przestrzeni i można założyć, że leżą (choć nie idealnie) w cienkich płaszczyznach 2D. Oto przykład z dwoma okręgami na tej samej …

3
Funkcja straty dla segmentacji semantycznej
Przeprasza za niewłaściwe użycie terminów technicznych. Pracuję nad projektem segmentacji semantycznej za pośrednictwem splotowych sieci neuronowych (CNN); próbuje zaimplementować architekturę typu Enkoder-Dekoder, dlatego wyjście ma ten sam rozmiar co wejście. Jak projektujesz etykiety? Jaką funkcję utraty należy zastosować? Zwłaszcza w sytuacji dużej nierównowagi klas (ale stosunek między klasami jest zmienny …

1
Który model głębokiego uczenia może klasyfikować kategorie, które nie wykluczają się wzajemnie
Przykłady: w opisie stanowiska mam zdanie: „Starszy inżynier Java w Wielkiej Brytanii”. Chcę użyć modelu głębokiego uczenia się, aby przewidzieć go jako 2 kategorie: English i IT jobs. Jeśli użyję tradycyjnego modelu klasyfikacji, może on przewidzieć tylko 1 etykietę z softmaxfunkcją na ostatniej warstwie. Dlatego mogę użyć 2 modelowych sieci …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

1
Jak zmierzyć liczbę osób na zdjęciu z tłumu?
Tło : Izrael (i ogólnie Bliski Wschód) jest pełen protestów. Po otrzymaniu zdjęcia ciekawi mnie, ile osób jest na tym zdjęciu (często zdjęcie dużego tłumu). Jakie modelowanie może zaoferować rozwiązanie tego problemu? (i, oczywiście, czy można tego dokonać za pomocą dowolnego pakietu typu open source. Powiedz, R?)
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.