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

+1 امتیاز

هدف و مزایای استفاده از یادگیری عمیق در طبقه بندی تصاویر پزشکی و ژنوم انسانی چیست؟ مگر روشهای موجود چه مشکلاتی داشتند؟ اگر دوستان نظرات خودشون و بیان کنند ممنون میشم

سوال شده توسط (140 امتیاز)

2 پاسخ

+1 امتیاز

سلام
یک دکتر در طول کارش مثلا 1000 تا تصویر پزشکی میبینه و یاد میگیره چیکار کنه ولی الگوریتم های مبتنی بر دیپ در یک ساعت میتونن یک میلیون تصویر ببینید و یاد بگیریند برای همین میتونن به دقت بیشتری نسبت به یک متخصص برسند

پاسخ داده شده توسط (325 امتیاز)
+1 امتیاز

هر تصویر دو بعدی هزاران و یا میلیونها پیکسل در خودش داره که هر کدام به تنهایی، "اطلاعات (feature)" حساب میشوند و با در نظر گرفتن روابط بین پیکسلها، این میزان اطلاعات به چندین میلیارد میرسه. روشهای سنتی تر، پارامترهای کمی را در تصویر میتونستند در نظر بگیرند بنابراین بسیاری از اطلاعات تصویر، هدر میرفت. ولی یادگیری عمیق با افزایش پیچیدگی محاسبات و میزان پارامترها (افزایش لایه ها و نودها) میتونه اطلاعات (فیچرها) بیشتری رو تحلیل و پردازش کنه بنابراین درک خیلی بیشتر و بهتری از تصویر خواهد داشت.

پاسخ داده شده توسط (115 امتیاز)
...