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 آیا من میتونم برای تشخیص جنسیت از روی تصویر چهره با شبکه های کانوولشن از شبکه های آماده استفاده کنم؟( فاین تیون)

توسط (102 امتیاز)

2 پاسخ

+1 امتیاز

سلام. بله امکانش هست .شما دو کلاس مرد و زن داربد و پس باید لایه اخر شبکه رو از 1000 به 2 تغییر بدید.

توسط (211 امتیاز)
اینکار نوآوری حساب میشه؟
بستگی داره تا چند لایه رو بخواید تغییر بدید. نوآوری معمولا شامل اصلاحاتی در معماری است.عوض کردن لایه اخر به تنهایی نوآوری نیست
سلام نه نوآوری بحساب نمیاد. لازمه نوآوری خلق چیزی هست که قبلا نبوده، حالا میخواد یه لایه یا یه کار یا حتی معرفی یکسری اصول متقن برای بهتر انجام شدن یک کار باشه.
+1 امتیاز

سلام
با مراجعه به لینک زیر می توانید یک مدل آموزش دیده را برای تشخیص جنسیت را دانلود کنید
https://github.com/BVLC/caffe/wiki/Model-Zoo#models-for-age-and-gender-classification
با استفاده از کفی مدل را آموزش داده اند و مقاله اش هم هست
برای نو آوری می بایست کاری بیشتر از تغییر لایه ها انجام بدهید

برای مطالعه بیشتر به سایت زیر مراجعه بفرمایید که مقالات به همراه کدهایشان آورده شده اند
http://www.gitxiv.com/
برای اطلاع از روشهای و پروژه های مرتبط به سایت زیر مراجعه بفرمایید
https://www.kaggle.com/
برای مطالعه روش دیگر می توانید به سایت زیر مراجعه بفرمایید
eXtreme Gradient Boosting
https://github.com/dmlc/xgboost

توسط (438 امتیاز)
...