Pour des questions sur les réseaux de neurones convolutifs, également appelés CNN ou ConvNet.
Les scientifiques ou les experts de la recherche savent-ils dans la cuisine ce qui se passe dans un réseau de neurones «profonds» complexe avec au moins des millions de connexions qui se déclenchent instantanément? Comprennent-ils le processus sous-jacent (par exemple, ce qui se passe à l'intérieur...
La page / étude suivante montre que les réseaux de neurones profonds sont facilement trompés en donnant des prédictions de confiance élevée pour des images non reconnaissables, par exemple: Comment c'est possible? Pouvez-vous s'il vous plaît expliquer idéalement en anglais...
Autant que je sache, les réseaux de neurones ont un nombre fixe de neurones dans la couche d'entrée. Si des réseaux de neurones sont utilisés dans un contexte tel que la PNL, des phrases ou des blocs de texte de différentes tailles sont envoyés à un réseau. Comment la taille de l'entrée variable...
Ma compréhension est que la couche convolutionnelle d'un réseau neuronal convolutionnel a quatre dimensions: canaux d'entrée, hauteur de filtre, largeur de filtre, nombre de filtres. En outre, je crois comprendre que chaque nouveau filtre est simplement compliqué sur TOUS les canaux d'entrée (ou...
Un réseau neuronal convolutif peut-il être utilisé pour la reconnaissance de formes dans un domaine problématique où il n'y a pas d'images préexistantes, par exemple en représentant graphiquement des données abstraites? Serait-ce toujours moins efficace? Ce développeur dit que le développement...
J'ai beaucoup vu ces termes autour de ce site, en particulier dans les balises réseaux-neuronaux-convolutionnels et réseaux - neuronaux . Je sais qu'un réseau neuronal est un système basé vaguement sur le cerveau humain. Mais quelle est la différence entre un réseau neuronal convolutif et un réseau...
Supposons qu'il y ait 10K images de tailles 2400 x 2400 à utiliser dans CNN. Selon moi, les ordinateurs conventionnels que les gens utilisent seront utiles. Maintenant, la question est de savoir comment gérer de si grandes tailles d'image où il n'y a pas de privilèges de sous-échantillonnage. Voici...
Fermé . Cette question doit être plus ciblée . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle se concentre sur un problème uniquement en modifiant ce message . Fermé il y a 23 jours . Géométrie et IA Les matrices, cubes,...
Je suis confronté au problème d'avoir des images de différentes dimensions comme entrées dans une tâche de segmentation. Notez que les images n'ont même pas le même rapport hauteur / largeur. Une approche courante que j'ai trouvée en général dans l'apprentissage profond est de recadrer les images,...
Dans Convolutional Neural Network, quelle couche consomme le maximum de temps dans la formation? Couches de convolution ou couches entièrement connectées? Nous pouvons prendre l'architecture AlexNet pour comprendre cela. Je veux voir la rupture du temps du processus de formation. Je veux une...
Dans le billet de blog Construire des modèles de classification d'images puissants en utilisant très peu de données , les fonctionnalités de goulot d'étranglement sont mentionnées. Quelles sont les fonctionnalités des goulots d'étranglement? Changent-ils avec l'architecture utilisée? S'agit-il de...
J'essaie de développer un réseau de neurones qui peut identifier les caractéristiques de conception dans les modèles CAO (c'est-à-dire les emplacements, les bossages, les trous, les poches, les marches). Les données d'entrée que j'ai l'intention d'utiliser pour le réseau sont une matrice anxn (où n...
Y a-t-il des modèles possibles qui pourraient remplacer les réseaux de neurones dans un avenir proche? Et en avons-nous même besoin? Quelle est la pire chose à propos de l'utilisation des réseaux de neurones en termes
J'essaie de détecter un logo de chaîne de télévision dans un fichier vidéo, il suffit donc de donner une .mp4vidéo d' entrée , de détecter s'il a ce logo présent dans une image spécifique, disons la première image, ou non. Nous avons ce logo à l'avance (bien que ce ne soit peut-être pas le% 100 de...
J'ai lu que les réseaux neuronaux profonds peuvent être relativement facilement trompés ( lien ) pour donner une confiance élevée dans la reconnaissance d'images synthétiques / artificielles qui sont complètement (ou au moins principalement) hors du sujet de confiance. Personnellement, je ne vois...
Quels avantages pouvons-nous obtenir en appliquant Graph Convolutional Neural Network au lieu de CNN ordinaire? Je veux dire, si nous pouvons résoudre un problème par CNN, quelle est la raison pour laquelle nous devrions convertir en réseau de neurones à convolution graphique pour le résoudre?...
À propos de l'apprentissage en profondeur (pour référence) : Le deep learning est une branche du machine learning basée sur un ensemble d'algorithmes qui tentent de modéliser des abstractions de haut niveau dans les données en utilisant un graphe profond avec plusieurs couches de traitement,...
Dans un CNN, le champ récepteur est la partie de l'image utilisée pour calculer la sortie du filtre. Mais la sortie d'un filtre (qui est également appelée "carte d'entités") est l'entrée du filtre suivant. Quelle est la différence entre un champ réceptif et une carte
Je me demandais si des algorithmes d'apprentissage automatique (CNN?) Pouvaient être utilisés / formés pour différencier les petites différences de détails entre les images (telles que de légères différences dans les nuances de rouge ou d'autres couleurs, ou la présence de petits objets entre des...