بایگانی/آرشیو برچسب ها : شبکه عمیق

تشخیص اشیا یک مساله قدیمی در زمینه سنجش از راه دور و بینایی رایانه ای بوده است. این به طور کلی به عنوان شناسایی مکان اشیا هدف در تصویر ورودی و همچنین شناسایی دسته های اشیا تعریف می شود. تشخیص خودکار شی در بسیاری از کاربرد های دنیای واقعی، مانند …

دوره آموزشی جامع پردازش تصویر با TensorFlow و Keras توسط اساتید سایت Learn OpenCV ارائه شده و به بررسی مسائل مختلف در زمینه اجرا پروژه های پردازش تصویر و شبکه های عصبی می پردازد. این دوره توسط مجله شهاب با زبان فارسی برای شما مخاطبان عزیز ارائه شده است. این …

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 …

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 …

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، …

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 …

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 …

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 …

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 …

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 …