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، برای آموزش شبکه با دیتاست سرطان ریه انتخاب فیلتر مناسب به چه صورت امکان پذیر است؟ چگونه میتوان بدون آزمون و خطا تشخیص داد کدام فیلتر ممکن است برای این کار بهتر باشند؟فیلترهایی که در مقالات قبلی استفاده شده شامل آنگولار و EPI بوده که بنده با آنها آشنایی ندارم. برای تست فیلترهایی مانند گابور، گاوشین و مانند آن چگونه میتوان این کار را انجام داد؟ در قسمت کد نویسی پایتون هم خطاهای متعددی برای این کار دارم
سپاسگزارم

توسط (107 امتیاز)

1 پاسخ

+3 امتیاز
 
بهترین پاسخ

سلام
بدون آزمون و خطا شاید فقط یه راه خیلی مطمئن داشته باشه و اونم اینه که از پارامترهای روشهای قبلی استفاده کنید که موفق بودن
وگرنه حداقل فعلا ایده و تئوری محکمی پشت قضیه نیست که بتونه مشخص کنه چه پارامترهایی برای یه مساله خاص مناسبه
برای همین بحث آنالیز داده ها توسط خودتون خیلی مهمه و ممکنه به این نتیجه برسید که برای لایه های اول، شاید فیلترهای 7x7 مناسبه اما بازم آخرش به همون آزمون و خطا می رسید
چون که تازه وارد این موضوعات شدید، به خصوص اینکه می خواید در زمینه ویژن هم کار کنید، حتما توصیه می کنم اول کار یه کرسی ، کتابی چیزی در مورد پردازش تصویر و بعدش مقدمات ویژن بخونید
نه اینکه خیلی عمیق لازم باشه همه نکات رو درک کنید، اما چیزهایی مثل فیلترهای gabor و این چیزا جزو پایه ها حساب میشن و نیازه که دید کلی نسبت به این موضوعات داشته باشید
برای شروع می تونید کرسهایی از سایت کرسرا رو ببینید، که چون من خودم فقط Digital Image and Video Processing رو دیدم، نمی تونم در مورد بقیه کرسها نظر بدم، اما همین کرس و در کنارش مراجعه به کتاب image processing گنزالس می تونه خیلی پایه پردازش تصویری شما رو قوی کنه

اگه خیلی حوصله کرس و این بحث ها رو ندارید و می خواید سریعتر با این موضوعات آشنا بشید، فصل 13 از کتاب
Computer Vision(Models, Learning & Inference)
حداقل به نظر من یه دوره خیلی سریع و خوب از موضوعات مختلف پردازش تصویر و ویژن داره

خودتون هم بگیردید کلی ویدئو آموزشی توی سایتهای مختلف از جمله یوتیوب یا کتابهای مختلف پیدا می کنید که هر کدوم از یه زاویه دید به موضوع نگاه کردن
اما مهم اینه که شروع کنید یکیش رو کار کردن، با سختی اولش هم کنار بیاید. هر موضوعی یادگیری اولیه‌ش نیاز به تلاش بیشتری داره تا کم کم سرعت بگیره

در مورد کدنویسی هم متاسفانه جز تلاش و تمرین و دیدن کدهایی که بقیه نوشتن راهی برای پیشرفت نیست و از اون بدتر اینکه کد نویسی مثل الفبای همه کارها می مونه، شما همه کتابهای تئوری رو هم کامل متوجه بشید اما نتونید پیاده سازی انجام بدید بازم نتیجه دلخواهتون رو نمی گیرید. برای همین به همون اندازه که موضوع علمی رو جدی می گیرید باید روی برنامه نویسی هم وقت بذارید

خلاصه موضوع اینکه راه شاهانه ای به یادگیری این موضوعات وجود نداره(مرجع: اقلیدس :)) )، اما با تلاش مداوم خیلی سریعتر از چیزی که فکر می کنید می تونید همه این مشکلاتی که مطرح کردید رو حل کنید.

توسط (1.6k امتیاز)
انتخاب شده توسط
...