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 شبکه های squeez , alex رو روی دیتاست مورد نظرو فاین تیون کردم و با دقت خوبی قادر به دسته بندی تصاویر من هست، دیتا ست من شامل تصاویر بسیار مشابهی هست و تفاوت دسته هابا هم بسیار کم است اما این شبکه های خیلی قدرتمند و خوب عمل میکنند و قادر به دسته بندی این تصاویر هستند اما متاسفانه متوجه شدم این مدل ها تصویر تک رنگ سیاه سفید یا هر رنگی را که هیچ ربط و شباهتی به دیتاست من ندارد را به اشتباه متعلق به یکی از کلاس ها می داند(عکس سیاه یک کلاس و سفید یک کلاس دیگر و...) و با احتمال بالایی نزدیک به 100 درصد هم آنها متعلق به یکی از کلاس های من میکند. شما تا حالا با همچینمشکلی مواجه شدید؟ مشکل از کجا می تونه باشه؟

توسط (105 امتیاز)

1 پاسخ

0 امتیاز

سلام میانگین تصویر رو کم میکنید در الگوریتم ؟
در شبکه ی الکس نت هر تصویر ورودی بدیم میانگین همه ی تصاویر دیتاست که قبلا محاسبه شده ازش کم میشه و بعد تصویر ارزیابی میشه. وقتی تصویر مثلا سفید بدین و میانگین ازش کم بشه تصویر حاصل شبیه مکمل میانگین تصاویر میشه. و فکر کنم چون تصاویرتون شبیه هم هست میانگینشون هم شبیه یک کلاس میشه که شبکه به اشتباه تشخیص میده .

توسط (111 امتیاز)
بله  میانگین تصویر رو کم می کنیم. خب راه حلی برای این مشکل وجودداره؟
...