Deprecated: Function get_magic_quotes_gpc() is deprecated in /home/ustmbir/domains/deeplearning.ir/public_html/qa/qa-include/qa-base.php on line 1177
آیا شبکه عصبی عمیق می تواند برای اهدافی مبتنی بر شئی به کار برده شود ( جایگزینی بر روش های مبتنی بر پیکسل)؟ چگونه؟ - پرسش و پاسخ یادگیری عمیق
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
ماهیت برخی از الگوریتمهای پردازش تصویر و بینایی ماشین مبتنی بر پیکسل است و برخی دیگر مبتنی بر شیئ.
سوالی که مطرح می شود این است که آیا می توان شبکه عصبی عمیق را برای تشخیص آبجکت در تصویر با مفهوم مبتنی بر شیئ استفاده کرد؟ ( در روش های مبتنی بر شیئ ابتدا تصویر مبتنی بر معیار شباهت بین پیکسلها بخش بندی می شود و سپس اشیای تولید شده برای تشخیص آبجکت مورد نظر در تصویر مورد ارزیابی قرار میگیرند).

توسط (118 امتیاز)

1 پاسخ

+1 امتیاز
 
بهترین پاسخ

سلام .
منظورتون object detection هست ؟ اگر اره بله و بسیار هم موفق عمل میکنه .

توسط (4.3k امتیاز)
انتخاب شده توسط
در خصوص دو روشی که در دیدگاه قبلی مطرح شد به این صورت است که در روش مبتنی بر شیئ ابتدا با استفاده از یک الگوریتم عملیات بخش بندی روی تصویر صورت می گیرد ( پیکسلهای با خصوصیات مشابه تعریف شده به یک بخش تعلق می گیرند) سپس برای تشخیص هدف مورد نظر در تصویر این بخش ها (که با اندازه های متفاوت می توانند باشند) به عنوان شیئ مورد بررسی قرار میگیرند و می توان حتی بخش های مجاور را نیز در صورت لزوم ادغام کرد.
شما semantic segmentation رو میگید ؟ که هر شی بسته به کلاسش کلا پیکسلهاش مثلا با یک رنگ خاص مشخص بشه ؟ اگه اره این هم کار شده .
کلا ما detection که اشیائ مختلف در تصویر رو با یک bounding box (مربع یا مستطیل ) مشخص میکنه داریم . یک semantic segmentation داریم که بالا توضیحش رو دادم . یکی هم instance segmentation داریم که میاد بجای اینکه یک مربع دور شی بکشه دقیقا مرز اون شی رو مشخص میکنه . تو هر سه زمینه خیلی کار شده و میشه . اگه شما لکچر شماره 8 دانشگاه استنفورد رو ببینید توضیحات خیلی خوبی در این زمینه داده میشه و میتونید استارت کار رو از همونجا بزنید . برای این میگم استارت بزنید چون اون کلاس مربوط به اول 2016 بود و طی یکسال روشها بهبود پیدا کردن اون روشها رو ببینید براحتی میتونید خودتون بقیه رو پیش برید.
این روشهایی که بالا گفتم تقریبا اکثرا end to end هستن یعنی نیاز نیست شما وارد جزییات سطح پایین بشید. لطفا اون لکچرهایی که عرض کردم و لینکشون در سایت هست رو مطالعه کنید انشاالله به نتیجه میرسید. اگر من اشتباه متوجه شدم یا باز سوال دارید بفرمایید.
...