image-classification

Вопрос или проблема Я создаю небольшую CNN с нуля для классификации штрих-кодов. У меня есть два класса: один для изображений со штрих-кодами и второй для всего, что не является штрих-кодами (товары, животные, пейзажи, мебель, люди).

Вопрос или проблема Я работаю над типичной задачей классификации, используя набор данных MNIST и обучая с помощью PyTorch Lightning и DDP. Я сталкиваюсь с проблемой, когда суммы строк в матрице неточностей не сохраняются, хотя сумма всех элементов в матрице корректна.

Вопрос или проблема Я пытаюсь создать ансамблевую модель, состоящую из двух заранее обученных моделей, используя torch, чтобы классифицировать изображение. Ниже приведен некоторый код, основанный на этом посте. import timm import torch from torch.

Вопрос или проблема import os import joblib import numpy as np import pandas as pd from sklearn.metrics import accuracy_score, classification_report from tqdm import tqdm from PIL import Image from sklearn.cluster import KMeans # Функция для загрузки

Вопрос или проблема Я хочу обучить модель для распознавания лицевых эмоций. Я использовал набор данных из 213 образцов. Сначала я извлекаю признаки с помощью фильтра Габора. Затем я уменьшаю размерность данных с помощью PCA и генетического алгоритма.

Вопрос или проблема Модель EfficientNet была обучена на ~3500 изображениях для классификации на 4 класса: A, B, C и Neither – с точностью 0.985 – кем-то другим, не мной. Я довольно нов в ML. Итак, у нас есть эта модель, и она работает довольно хорошо.

Вопрос или проблема Я хотел бы протестировать некоторые техники глубокого обучения для извлечения контуров зданий из аэрофотоснимков. Я нашел много ссылок, связанных с этой проблемой (здесь, или здесь), но только с указанием архитектуры модели и процесса обучения.

Вопрос или проблема Есть ли практическое различие между использованием взвешенных функций потерь и взвешенной выборки в задачах классификации изображений? (Я был бы признателен за теоретические аргументы, опыт или опубликованные статьи, в общем, любой материал.

Вопрос или проблема У меня есть идея, но я не уверен, что ее можно смоделировать в архитектуре глубокого обучения. Предположим, у нас есть изображения разного качества, основанные на цветовом паттерне, и их оценка в качестве меток в диапазоне от 0 до 1.

Вопрос или проблема Я работаю над проектом, который включает применение моделей глубокого обучения. Я собрал обучающие данные. На собранных изображениях у меня больше одного объекта интереса. Я не совсем понимаю, как пометить эти изображения.

Вопрос или проблема У меня есть переменная цвета с значениями для различных товаров электронной коммерции, таких как – оливковый, бирюзовый, синий, зеленый и т.д. Я хочу сгруппировать эти цвета по основным цветовым значениям. Например –

Вопрос или проблема В общем, моя проблема в том, что я строю модель классификации изображений, используя AlexNet. У меня есть заранее разбитый набор данных, который уже разделен на обучение, тест и валидацию. Однако проблема в том, что эти разбивки находятся в .

Вопрос или проблема Мне нужно классифицировать изображения на 2 категории: одобренные и отклоненные. Категория отклоненных имеет разные типы изображений, которые не разрешены (подкатегории), например, нуд или графические картинки с насилием, или аниме и т.

Вопрос или проблема Мы пытаемся создать модель для классификации различных типов документов в качестве первого шага в нашем процессе (финальная цель – прочитать весь текст). В настоящее время мы используем ImageNet для извлечения признаков, а затем

Вопрос или проблема Предположим, есть ML-сеть, которая принимает серые изображения в качестве входных данных. У меня есть изображения в формате RGB. Поэтому, вместо того чтобы конвертировать эти RGB-изображения в градации серого, я рассматриваю каждую

Вопрос или проблема Суть: Обучение модели с использованием недо/пересемплирования в процессе обучения приведет к неправильному распределению и негативно скажется на точности? Предположим, вы хотите обучить классификатор для различения класса A и класса B.

Вопрос или проблема У меня есть архитектура CNN, которая хорошо работает с изображениями 32x32x3. Могу ли я использовать ту же архитектуру для набора данных, состоящего из изображений 28x28x1? (Оба набора данных имеют 10 классов).

Вопрос или проблема Я начинающий самоучка в области машинного обучения, и в настоящее время я занимаюсь задачей бинарной классификации. Я создал бинарный классификатор на базе простой нейронной сети и провел несколько экспериментов с уровнем ошибок и

Вопрос или проблема Я хочу создать две параллельные модели для семантической сегментации изображений в Keras. input1 = Input(shape=(480,480,3)) input2 = Input(shape=(480,480,1)) c1_1 = Conv2D(filters=64, kernel_size=(3,3), activation='relu', padding='same')(input1)

Вопрос или проблема У меня есть большое количество изображений, которые мне нужно классифицировать для обучения алгоритма кластеризации, и я хотел бы сделать это офлайн (данные являются собственностью). По сути, я хотел бы создать настольный инструмент