iT邦幫忙

cnn相關文章
共有 26 則文章
鐵人賽 AI & Data DAY 25

技術 Day25-CNN 卷積神經網路(Convolutional neural network)

CNN的概念圖如下: ( 圖片來源:https://reurl.cc/l7g1LY ) Convolution Layer 卷積層 卷積的主要概念就是特徵擷...

鐵人賽 AI & Data DAY 1

技術 【Day 05】簡介與示範 Convolutional 與 Recurrent 神經網路

零、歷史背景 在 2014 年,也就是 Google 發表 TensorFlow 的隔年,Google 研究人員便嘗試在 TensorFlow 之中整合 CNN...

技術 Image translation (風格轉換)

Image Style Transfer 圖像轉換(Style transfer)一直是個讓人感到新穎的主題,本文利用CNN(Convolutional Neu...

鐵人賽 AI & Data DAY 23

技術 【Day 23】卷積神經網路 (Convolutional neural network)

今日大綱 卷積神經網路 (CNN) 卷積層 (Covolution layer) 池化層 (Pooling layer) 攤平(Flatten layer)...

鐵人賽 AI & Data DAY 17

技術 Day 16. 深度學習模型 - CNN(二)

昨天介紹的模型都是用來做圖像分類(Image Classification),那自動駕駛車又用到了其他哪些圖像技術呢?先來感受一下坐在特斯拉的車子裏面會是什麼情...

鐵人賽 AI & Data DAY 16

技術 Day 15. 深度學習模型 - CNN(一)

今天開始進入應用篇。在介紹 CNN 之前,先來看一段日本五專學生利用圖像分類做的獲獎作品,透過分辨魚的種類自動將魚分裝,大幅減少漁夫作業時間。評審員給出有五億日...

鐵人賽 Software Development DAY 17

技術 [D17] ML機器學習(入門)

之前有提到 CNN 業會用在 ML ,那甚麼是 ML 呢? Machine Learning 機器學習 ML 就是 Machine Learning 的縮寫,大...

鐵人賽 Software Development DAY 16

技術 [D16] CNN應用

CNN在影像處理、辨識都是很重要的技術,在上一篇已經稍微了解 CNN 的概念後,現在來看看這個實用的技術會被運用在哪裡吧! CNN應用場景: 應用場景包括機器學...

鐵人賽 AI & Data DAY 17
觀賞魚辨識的YOLO全餐 系列 第 17

技術 Day 17 - YOLO 相關概念說明

Day 17 - YOLO 相關概念說明 如果不說明一下 YOLO 的運作概念,對於如何調整 YOLO 參數將會是一籌莫展,所以今天就來說明一下影像辨識的基礎概...

技術 Day30 參加職訓(機器學習與資料分析工程師培訓班),Tensorflow.keras

今日教學CNN了解捲積層、池化層、平坦層、丟棄層各層相關係數的設定影響 捲基層: 積層是一組平行的特徵圖(feature map),它通過在輸入圖像上滑動不...

技術 dlib安裝心得 -- Windows 環境

前言 剛剛克服了 YOLO v4 安裝的問題,又碰上另一個 C library 需要安裝,真是頭痛。dlib 是一個機器學習的函數庫,它包含許多功能(可參考官網...

達標好文 技術 YOLO v4 建置心得 -- Windows 環境

前言 YOLO 是一個即時物件偵測(object detection)的模型,它處理速度可達 30 FPS,可以用在視訊上偵測移動的物體,平均準確度(mAP)可...

活動 【AI電腦視覺課程】AI深度學習與影像辨識 ─ 影像預處理到深度學習CNN應用

課程介紹影像辨識領域是近年來深度學習最蓬勃發展的一塊領域,舉凡智慧家居、自駕車、生產瑕疵品檢測、安防監控、醫療影像等應用,都和深度學習影像辨識技術息息相關。而...

鐵人賽 AI & Data DAY 29
當自動駕駛遇見AI 系列 第 29

技術 Day29-當自動駕駛遇見AI-TensorFlow Convolution Layer

前言 卷積神經網絡(Convolutional Neural Network)簡稱CNN,CNN是所有深度學習模型(Model)之一,CNN在影像識別方面的威力...

鐵人賽 自我挑戰組 DAY 29
Machine Learning 學習筆記 系列 第 29

技術 [第29天] 卷積神經網絡 MNIST練習(4)

大致上的流程圖如下 數字些許不同參考網站1 今天要來看一下第二卷積層的樣子,基本上構造跟第一層一樣filter也是5x5但數量變成了64個。然後MAXpooli...

鐵人賽 自我挑戰組 DAY 28
Machine Learning 學習筆記 系列 第 28

技術 [第28天] 卷積神經網絡 MINST練習(3)

參考網站1 ReLu 用ReLu這個激活函數把負數的都變為0 (對filter沒有什麼作用的區域不繼續干擾後續)(紅色 > 0) MaxPooling 接...

鐵人賽 自我挑戰組 DAY 27
Machine Learning 學習筆記 系列 第 27

技術 [第27天] 卷積神經網絡 MNIST練習(2)

參考網站1 參考網站2 CNN流程 卷積層 def conv2d(x, W): return tf.nn.conv2d(x, W, strides=...

鐵人賽 自我挑戰組 DAY 26
Machine Learning 學習筆記 系列 第 26

技術 [第26天] 卷積神經網絡 MINST練習

參考網站1 參考網站2 接下來照著R語言使用者的python筆記實作練習!來初步了解整個流程,祥細步驟的意義明後天再來認識~ 先將MNIST資料讀入 impo...

鐵人賽 自我挑戰組 DAY 25
Machine Learning 學習筆記 系列 第 25

技術 [第25天] 卷積神經網絡淺介

參考網站1參考網站2參考網站3參考網站4 今天先來學習卷積神經網絡(Convolutional Neural Network,CNN)的樣貌 如上面視頻來學習...

鐵人賽 AI & Data DAY 18

技術 [實戰系列] 使用 Keras 搭建一個 Denoising AE 魔法陣(模型)

基於教學性,本文選擇實作 Denoising AE,基於 Keras 官方提供的 tutorial 來做演練。 Denoising AE 是一種學習對圖片去噪(...

鐵人賽 AI & Data DAY 13

技術 [實戰系列] 使用 Keras 搭建一個 CNN 魔法陣(模型)

[魔法陣系列] Convolutional Neural Network(CNN)之術式解析 中提到 CNN 由下列所組成: Convolution Oper...

鐵人賽 AI & Data DAY 12

技術 [魔法陣系列] 王者誕生:AlexNet 之術式解析

在上一篇前言提到 AlexNet 是一個歷史分水嶺,這是由於在 AlexNet 之前,Deep Learning 已經沈寂很久,而在2012年的 ImageNe...

鐵人賽 AI & Data DAY 11

技術 [魔法陣系列] Convolutional Neural Network(CNN)之術式解析

2012年,Alex Krizhesky 和 Geoff Hinton 提出的 AlexNet 在 ImageNet 的圖像分類競賽中以巨大優勢贏得冠軍,使 C...

鐵人賽 AI & Data DAY 21

技術 22 Convolutional encoder-decoder 架構

標題這不是一個專有名詞。 在電腦視覺的領域中有幾個有名的問題: 影像辨識(Image recognition) 物件辨識(Object detection)...

鐵人賽 AI & Data DAY 19

技術 20 Convolutional neural network

Convolution layer 這邊我們回到我們的 convolution layer,如果把以上的一維向量拓展到二維的矩陣資料會長什麼樣子呢? 我們先來看...

鐵人賽 AI & Data DAY 18

技術 19 Convolution 運算

熱身運動都做好了,接下來我們就一路往影像處理上的重要技術 CNN 前進啦! Convolutional neural network,顧名思義,他是一種神經網路...