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
من یک دیتاستی دارم که person , people لیبل زده شده و اینکه ادمایی که منفرد هستند رو person در نظر گرفته و افرادی که جمع هستند و منفرد نیستند رو یدونه باکس در نظر گرفته لیبل زده people - حالا سوالم اینکه :
بنظرتون این لیبل بندی اشتباه نیست ؟‌چون اگر بخواهیم فقط person ها رو دتکت کنیم یعنی شبکه مجبوره یاد بگیره که ادمای دسته جمعی و غیر منفرد رو به عنوان backgroud در نظر بگیره که بنظر من این باعث سردرگمی شبکه میشه چون فیچرهایی که در people هستند قطعا همه ی اون فیچرها در person نیزمی باشد و اینجاست که نمیدونم شبکه چجوری بین این دو کلاس تفاوت قاپل میشه
و اینکه اگر فرضا کلاس people رو هم در نظر بگیریم باز هم چون فیچرهای هر دو کلاس تقریبا یکی هستند و شباهت بیشتری نسبت به هم دارند بنظر من باز شبکه در تفکیک این دو تا باعث سردرگمی خواهد بود
نظر شما چیست ؟ من اومدم لیبل هردوتا رو person گرفتم یعنی لیبل people رو تبدیل کردم به person و طبق این شبکه رو ترین میکنم حالا نمیدونم نتایج چجوری خواهد شد

توسط (389 امتیاز)

لطفا وارد شده یا عضو شوید تا بتوانید سوال بپرسید

...