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
میخوام ورودی شبکه cnn جای rgb سه تصویر متفاوت باشه که خیلی کم به هم correlation دارن(تصویر صورت از سه طرف)
یعنی 3 بعدی که میدیم سه تصویر باشه نه سبز و قرمز و آبی تصویر (هر تصویر سیاه و سفید هست)
اگر سه تصویر رو به صورت سه لایه ی یک تصویر بدم(جای RGB سه تصویر بدم) کار درستی کردم یا خیر ؟ شبکه میتونه ارتباط بین تصاویر رو درک کنه ؟
راه دیگه ای پیشنهاد میدید ?
خروجی دو یا سه کلاس هست(کلاسه بندی)
با تشکر

توسط (208 امتیاز)
ویرایش شده توسط
سلام و درود
یعنی چی میتونه ارتباط بین تصاویر رو درک کنه؟
خروجی چی میخوای باشه؟
تابع ارزیابی چیه؟
یعنی میتونه بفهمه این تصاویر به هم مرتبط هستن و ارتباطی بینشون هست و از روشون به یک نتیجه برسه
تصاویر چهره از سه سمت هستن(راست و چپ و وسط) حالا بتونه بگه این سه تصویر که به صورت یکجا به شبکه داده میشن تو کدوم کلاس هست.
خروجی کلاس دو یا سه عدد کلاس هست
دو کلاسه که صحت و سه کلاسه mloglossولی نمیدونم تو keras چی داریم

لطفا وارد شده یا عضو شوید تا بتوانید سوال بپرسید

...