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

+2 امتیاز

با عرض سلام و خسته نباشید خدمت اساتید محترم.میخواستم ببینم ایا شبکه ی کانولوشنال در برخورد با چالش های بینایی مانند کوچکتر یا بزرگتر شدن اندازه ی ابجکت موجود در تصویر نسبت به اندازه ی همان ابجکت در دیتاست مورد استفاده جهت اموزش و تست شبکه(دور و یا نزدیک شدن اشیای موجود در تصویر نسبت به فواصل موجود دردیتاست)و همچنین در برخورد با انسداد جزئی ابجکت,میتواند پاسخی مناسب ارائه بده؟ایا انجام این مهم بسته به معماری مورد استفاده و تعداد لایه های بکار گرفته شده در شبکه ی کانولوشن داره و یا اینکه باید دیتاست را به نحوی تنظیم کنیم که اگر مثلا گوشه ای از شی در تصویر نباشد ,این شبکه بتواند کار شناسایی و دسته بندی را به نحو احسن انجام بده؟

توسط (121 امتیاز)

2 پاسخ

+2 امتیاز
 
بهترین پاسخ

سلام
مواردی که گفتید بخوبی توسط شبکه عصبی کانولوشن مدیریت میشن.
برای تعمیم خوب سعی کنید دیتای زیاد داشته باشید هرچه دیتای بیشتر بهتر.
اما معماری مورد استفاده شما و همینطور میزان دیتا اگمنتیشن هم تاثیر مستقیم روی قدرت تعمیم پذیری دارن.

توسط (4.3k امتیاز)
انتخاب شده توسط
خواهش میکنم. در مورد مقاله هم دقت کنید اون WIP هست. یعنی work in progress و نتایج و اطلاعات بعدیش در ورژن (های) بعدی ارایه میشه و تموم نشده .
بسیار عالی بود.ایشالا موفق باشید .ممنون میشم اگه امکان دسترسی به باقی مقالات رو داشته باشم.
انشاالله نتایج جدید همه تکمیل شدند ورژن بعدی هم منتشر میشه.
0 امتیاز

استفاده از pyramid ها جهت افزایش دیتابیس می تواند باعث افزایش دقت شبکه در برابر تغییرات سایز شود

توسط (438 امتیاز)
...