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
من میخام برای تشخیص بیماری msاز روی تصاویر mri از cnn استفاده کنم، تصاویر بیماری ms با تصاویر مغز سالم این هست که یک سری لکه سفید در مایع نخاعی مغز وجود دارد.میخاستم بدونم با cnn میشه ویژگی استخراج و طبقه بندی کرد؟

توسط (100 امتیاز)

1 پاسخ

0 امتیاز

سلام
اگه در تصاویرتون تفاوت بین این دو کلاس (سالم و غیر سالم) مشخص باشد. پس می توانید شبکه ای کانولوشنی طراحی کنید که این تصاویر را کلاسبندی کند. فقط بایستی با توجه به حجم داده ای که دارید و شبکه ای با معماری مناسب را انتخاب کنید.

توسط (830 امتیاز)
ممنون از راهنماییتون
میشه یه توضیحی در مورد نسبت حجم داده ها و معماری مناسب بدهید
فرمول بسته ای برای نسبت بین حجم داده ها و تعداد لایه ها وجود ندارد.
در واقع تعداد لایه ها را  برحسب پیچیدگی کلاس هایی که می خواهید تشخیص دهید بایستی تخمین زد. مثلا شما وقتی که می خواهید اعدادی را در تصاویرکلاس بندی کنید دو لایه کانولوشنی کفایت می کند چون در لایه اول خطوط راست و خمیده و تغییر رنگ تشخیص داده می شود. در لایه دوم متن ها و اعداد که صرفا از خطوط خمیده و راست تشکیل شده اند شناسایی می شوند.
اگه نمیتونید تخمین بزنید (بصورت هیءتی) تعداد  لایه های متفاوتی را تست کنید.
ممنونم لطف کردید
...