Содержание
- 2. Применение сверточных искусственных нейронных сетей в области компьютерного зрения Классификация (Classification) 2. Детектирование объектов (Object detection)
- 3. Фильтр (3х3), stride =1 Слой 1 (7х7) Слой 2 (5х5) Операция свертки в CNN Stride –
- 4. Операция свертки в CNN Stride = (1,1)
- 5. Многоканальная свертка в CNN Фильтр (N, N, depth)
- 6. Многоканальная свертка в CNN Карта признаков (Feature Map) Обычно применяют N фильтров, что дает N карт
- 7. Роль фильтров в CNN Выделение характерных «паттернов» (прямых и изогнутых линий и т.п.) на изображении. фильтр
- 8. Сверточные нейронные сети как прототип зрительной коры головного мозга https://youtu.be/Cw5PKV9Rj3o https://youtu.be/IOHayh06LJ4 Хьюбел и Визель в 1962
- 9. Суб-дискретизация (Pooling) 2) Average Pooling Max-Pooling 2x2 Avg-Pool
- 10. Классификация в CNN при помощи полносвязных слоев нейронов 5 классов
- 11. Типовая сверточная нейронная сеть для классификации объектов на изображении W x H x 3 W1 x
- 12. Меньше обучаемых параметров между слоями Извлекая признаки из изображения, учитываются не только отдельные пиксели, но и
- 13. Сверточная нейронная сеть LeNET-5 для задачи распознания рукописных цифр
- 15. Скачать презентацию