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
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 »پروژه پلاک خوان در پایتون
صورت مسئله – یک تولید کننده ، در محل کارخانه خود با مشکلات مختلف امنیتی مواجه شده است. با ارزیابی دقیق کارخانه ، متوجه می شویم که از روش های استاندارد برای کنترل تردد و نظارت استفاده نمی شود. آن ها همچنین تعداد زیادی نیروی انسانی جهت حافظت و نظارت …
بیشتر بخوانید »کلاسه بندی تصویر با شبکه عصبی کانولوشنی ( 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 »کلاسه بندی تصاویر با شبکه عصبی پیشخور در Keras
در این مقاله ، به نحوه ی پیاده سازی یک شبکه عصبی پیشخور ( Feed Forward ) در Keras خواهیم پرداخت. ما از کلاسه بندی ارقام دست نویس به عنوان مثالی برای نشان دادن اثربخشی شبکه پیشخور استفاده می کنیم. همچنین خواهیم دید که چگونه می توان بیش برازش ( …
بیشتر بخوانید »آموزش شبکه عصبی پیشخور ( Feedforward Neural Network )
در این سری از آموزش شبکه عصبی قصد داریم به شبکه های عصبی پیشخور ، که به آن ها Deep Feedforward Networks یا Multi-layer Perceptrons ( پرسپترون چند لایه ) نیز گفته می شود، بپردازیم. این شبکه ها اساس بسیاری از شبکه های عصبی مهمی هستند که اخیرا مورد استفاده …
بیشتر بخوانید »مبانی یادگیری عمیق با استفاده از Keras
یادگیری عمیق شاخه ای از رشته هوش مصنوعی است که از شبکه های عصبی برای یادگیری ماشین استفاده می کند و در سال های اخیر ، نسبت به روش های یادگیری ماشین سنتی ، در کاربردهای بینایی رایانه ای ، پردازش زبان طبیعی ، رباتیک و بسیاری از حوزه های …
بیشتر بخوانید »تفسیر پذیری مدل های یادگیری عمیق با Tensorflow 2.0
مقدمه ای بر روش های تفسیر پذیری برای سهولت نظارت بر آموزش شبکه عصبی استفاده از روش Grad Cam روی کلاس گوزن از دیتاست ImageNet این مقاله به معرفی کتابخانه tf-explain می پردازد و توضیحاتی در مورد روش های تفسیر پذیری ، مانند Grad CAM ، با Tensorflow 2.0 ارائه …
بیشتر بخوانید »منطق فازی چیست و چه کاربرد هایی دارد؟
در زندگی روزمره ، ممکن است با شرایطی روبرو شویم که قادر به تشخیص درست یا غلط بودن حالت نباشیم. فازی به چیزی نامشخص یا مبهم اشاره دارد. منطق فازی در هوش مصنوعی انعطاف پذیری ارزشمندی برای استدلال فراهم می کند. و در این مقاله ، به ترتیب زیر با …
بیشتر بخوانید »تشخیص پلاک با کتابخانه OpenCV
داشتن یک برنامه یا فرایند ذهنی ما را به سمتی سوق می دهد که به کشف راه مناسب برای رسیدن به هدف خود بپردازیم. در این پروژه هدف ما ساختن برنامه ای برای شناسایی پلاک خودرو هاست. سوالی که برای شروع این پروژه مطرح می شود این است که اگر …
بیشتر بخوانید »