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

باسلام و تشکر بابت مطالب خوبی که گذاشتید.خداخیرتون بده من که خیلی استفاده کردم و مطالب زیادی یادگرفتم.موضوع پایانامه من طبقه بندی تصاویر فوندس چشم بیماران دیابتی با روش deep learning هست.من باید دیتاهامو از سایت kaggelدانلود کنم ولی یه فرمت خاصی داره نمیدونم چطوری باید ازش استفاده کنم.و اینکه من میخوام با زبان متلب مدلمو پیاده کنم بنظر شما از کدوم مدل (Alext-vgg-googlenet,...)برای پیاده سازی استفاده کنم بهتره؟ برندگان مسابقه kaggel از 9 تا لایه استفاده کردند منم مثل اونا 9 تا لایه استفاده کنم؟
ممنون میشم اگه لطف کنید و به سوالاتم پاسخ بدید.

توسط (100 امتیاز)

1 پاسخ

0 امتیاز

سلام
معمولا اطلاعات فرمت دیتاست همونجایی که دیتاست رو قرار دادن مشخص میکنن . kaggle یه سایت رقابت آنلاین تو حوزه ماشین لرنینگ هست و بشدت هم معروف و رقابتهاش سطح بالاس.
اگه میبینید یک گروهی موفق شده و نتیجه ای گرفته سرچ کنید ببینید details‌کار رو پابلیش کردن یا نه . اگر نکردن ملاک فقط معماری نیست خیلی تکنیک ها استفاده میکنن تا مقام اول رو بدست بیارن.
برای شروع شما میتونید از الکس نت استفاده کنید یا حتی vggnet چون ساختار ساده ای دارن . البته معماری ها به این دو سه تا خلاصه نمیشن. تعداد معماری ها خیلی بیشتر از اینه .
میتونید یه نگاهی به این مقاله بندازید و بخش related works‌رو ببینید که اطلاعات تقریبا کاملی از معماری های این حوزه اراپه شده (این هم باز همه معماری ها نیست اما اکثر بهترین ها قید شده )‌
این میتونه استارت خوبی باشه برای شروع : https://arxiv.org/abs/1608.06037

توسط (4.3k امتیاز)
...