یادگیری عمیق

شبکه های عصبی عمیق و ابزارهای مرتبط مثل تنسورفلو، کراس، DLIB، CNTK

تشخیص بیماری گیاهان با داده های اندک

تشخیص بیماری گیاهان با داده های اندک

الگوریتم های طبقه بندی خودکار بیماری های گیاهی در کشاورزی بسیار مهم هستند، به عنوان مثال برای جلوگیری یا کاهش آفت ها. شناسایی سریع بیماری های گیاهی به دلیل کمبود زیرساخت های لازم در بخش های زیادی از جهان دشوار است. با استفاده از فناوری های روز ، تصاویر از …

بیشتر بخوانید »

آموزش Keras : تنظیم دقیق با استفاده از مدل های از پیش آموزش دیده

آموزش Keras تنظیم دقیق با استفاده از مدل های از پیش آموزش دیده

در دو پست قبلی ، نحوه استفاده از مدل های از پیش آموزش دیده و نحوه استخراج ویژگی ها از آن ها برای آموزش مدلی به منظور انجام وظایف متفاوت را یاد گرفتیم. در این آموزش ، قصد داریم به نحوه ی تنظیم دقیق یک مدل از پیش آموزش دیده …

بیشتر بخوانید »

پروژه تشخیص پلاک خودرو ها با مدل های Nvidia

پروژه تشخیص پلاک خودرو ها با مدل های Nvidia

تشخیص پلاک خودرو یا ANPR ، یکی از برنامه های کاربردی بسیار مهم پردازش تصویر و آنالیز هوشمند ویدیو ها برای شناسایی وسایل نقلیه ثابت و متحرک در شهرهای هوشمند است. از کاربرد های مهم این برنامه ها که به نام پلاک خوان نیز شناخته می شوند، می توان سیستم …

بیشتر بخوانید »

آموزش شبکه عمیق با داده های اندک از روش KGGR

آموزش شبکه عمیق با داده های اندک از روش KGGR

در بحث شناسایی اشیا در یک تصویر ، شناسایی چندین شی در یک تصویر به طور هم زمان هم چنان دارای چالش عملیاتی  است. با جستجوی مناطق دارای مفوم مشترک و بهره برداری از وابستگی اشیا مختلف با یکدیگر ، پیشرفت ها چشمگیری در این زمینه حاصل شده است. اگرچه، …

بیشتر بخوانید »

آموزش Keras : یادگیری انتقالی با استفاده از مدل های از پیش آموزش دیده

آموزش Keras یادگیری انتقالی با استفاده از مدل های از پیش آموزش دیده

در آموزش قبلی ، نحوه استفاده از مدل هایی که برای کلاسه بندی تصویر روی داده های ILSVRC آموزش دیده اند را یاد گرفتیم. در این آموزش ، ما نحوه استفاده از آن مدل ها به عنوان یک استخراج کننده ویژگی و آموزش یک مدل جدید برای یک کار کلاسه …

بیشتر بخوانید »

آشنایی با شبکه های عصبی بازگشتی (RNNs)

شبکه های بازگشتی

این مقاله به طور کامل شبکه های بازگشتی ، نحوه عملکرد حافظه آن ها و نحوه استفاده از آن ها برای مدیریت داده های دنباله ای مانند متن و سری های زمانی را توضیح می دهد. آیا تا به حال به شبکه عصبی بازگشتی به دید یک ماشین زمان نگاه …

بیشتر بخوانید »

آموزش Keras : استفاده از مدل های از پیش آموزش دیده ImageNet

آموزش Keras استفاده از مدل های از پیش آموزش دیده ImageNet

در این مقاله سعی داریم به نحوه استفاده از مدل های از پیش آموزش دیده در مجموعه های داده بزرگ مانند ILSVRC بپردازیم و همچنین نحوه استفاده از آن ها را برای وظایفی متفاوت از آنچه در آن آموزش دیده بودند را یاد می گیریم. در سه پست بعدی به …

بیشتر بخوانید »

آموزش شبکه های عصبی عمیق با داده های اندک

آموزش شبکه عصبی عمیق با داده های اندک

استخراج ویژگی در بینایی رایانه مهم است. با نگاشت دادن تصاویر به فضاهای برداری از لحاظ معنایی، ویژگی های خاص و اطلاعات کلیدی را استخراج می شود که می تواند برای طیف وسیعی از کارهای پیش بینی استفاده شود. با این حال، یادگیری ویژگی های استخراج شده معمولاً به مقدار …

بیشتر بخوانید »

آشنایی با Autoencoder ها در Tensorflow برای حذف نویز

آشنایی با Autoencoder ها درTensorFlow برای حذف نویز

در پست قبلی به درک شبکه عصبی پیشخور پرداختیم. در این مقاله ، با خودرمزگذار ( Autoencoder ) ها در یادگیری عمیق آشنا خواهیم شد. ما به عنوان مثال یک پیاده سازی عملی از استفاده از یک خودرمزگذار حذف نویز در مجموعه داده های ارقام دست نویس MNIST را نشان …

بیشتر بخوانید »

کلاسه بندی تصویر با شبکه عصبی کانولوشنی ( CNN ) در Keras

کلاسه بندی تصویر با CNN در Keras

در این آموزش ، ما با اصول شبکه های عصبی کانولوشنی ( CNN ) و نحوه استفاده از آن ها برای یک مسئله کلاسه بندی تصویر آشنا خواهیم شد. همچنین خواهیم دید که داده افزایی چگونه به بهبود عملکرد شبکه کمک می کند. ما در آموزش های قبلی در مورد …

بیشتر بخوانید »