به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام.
دوستان اگر یک مساله دو کلاسه داشته باشیم و برای هر نمونه بجای یک عکس تعداد زیادی عکس داشته باشیم که حتی ممکن است در تعدادی از انها کلاس مشخص نشود(این عکسها برای هر نمونه در زمانهای مختلف تهیه شده اند - 70 عکس برای هر نمونه که باهم باید در نظر گرفته شوند - کلا 500 نمونه و هر نمونه 70 عکس) آیا برای چنین موردی می توان از cnn استفاده کرد. لطفا اگر منبعی برای انجام چنین کاری وجود دارد معرفی بفرمایید.

توسط (107 امتیاز)

1 پاسخ

0 امتیاز

دوستان ایا ورودی شبکه کانولوشن رو میشه بجای یک فریم چندین فریم یکجا قرارداد؟ واگر اطلاعاتی در مورد مولتی چنل کانوولوشن نتورک دارید ایا به این کار مرتبط هست؟
ممنون میشم راهنمایی بفرمایید.

توسط (107 امتیاز)
منظورتون رو از اینکه در زمانهای مختلف تهیه شده و کلاس مشخص نشده رو متوجه نشدم. معمولا برای در نظر گرفتن ویژگی زمان یا تصاویر رو توی بعد عمق به هم concat  میکنن یا اینکه تک تک تصاویر رو میدن به یه cnn و یک بردار برای تصویر به عنوان فیچر در میارن و توی استپ های مختلف زمانی میدن به lstm. یه چیزی شبیه تصویر زیر:

https://raw.githubusercontent.com/imatge-upc/activitynet-2016-cvprw/master/misc/images/network_pipeline.jpg
...