Para perguntas sobre redes neurais convolucionais, também conhecidas como CNN ou ConvNet.
Os cientistas ou especialistas em pesquisa sabem da cozinha o que está acontecendo dentro de uma rede neural "profunda" complexa, com pelo menos milhões de conexões disparando em um instante? Eles entendem o processo por trás disso (por exemplo, o que está acontecendo por dentro e como funciona...
A página / estudo a seguir demonstra que as redes neurais profundas são facilmente enganadas, fornecendo previsões de alta confiança para imagens irreconhecíveis, por exemplo, Como isso é possível? Você pode, por favor, explicar idealmente em inglês
Até onde eu sei, as redes neurais têm um número fixo de neurônios na camada de entrada. Se redes neurais são usadas em um contexto como PNL, frases ou blocos de texto de tamanhos variados são alimentados para uma rede. Como o tamanho da entrada variável é reconciliado com o tamanho fixo da camada...
Meu entendimento é que a camada convolucional de uma rede neural convolucional tem quatro dimensões: input_channels, filter_height, filter_width, number_of_filters. Além disso, entendo que cada novo filtro é complicado por TODOS os canais de entrada (ou mapas de recursos / ativação da camada...
Uma Rede Neural Convolucional pode ser usada para reconhecimento de padrões em um domínio problemático em que não há imagens pré-existentes, digamos, representando dados abstratos graficamente? Isso sempre seria menos eficiente? Esse desenvolvedor diz que o desenvolvimento atual pode ir além, mas...
Eu já vi esses termos lançados em torno deste site, especificamente nas tags convolutional-neural-networks e neural-networks . Eu sei que uma rede neural é um sistema baseado livremente no cérebro humano. Mas qual é a diferença entre uma Rede Neural Convolucional e uma Rede Neural regular? Um é...
Suponha que existam 10.000 imagens de tamanhos 2400 x 2400 para serem usadas na CNN. De acordo com a minha visão, os computadores convencionais que as pessoas usam serão úteis. Agora, a questão é como lidar com tamanhos de imagem tão grandes, onde não há privilégios de reduzir a amostragem. Aqui...
Fechado . Esta questão precisa ser mais focada . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela se concentre apenas em um problema editando esta postagem . Fechado há 15 dias . Geometria e...
Estou enfrentando o problema de ter imagens de diferentes dimensões como entradas em uma tarefa de segmentação. Observe que as imagens nem têm a mesma proporção. Uma abordagem comum que encontrei em geral no aprendizado profundo é cortar as imagens, como também é sugerido aqui . No entanto, no meu...
Na Rede Neural Convolucional, qual camada consome o máximo de tempo em treinamento? Camadas de convolução ou camadas totalmente conectadas? Podemos usar a arquitetura AlexNet para entender isso. Quero ver a separação do tempo do processo de treinamento. Quero uma comparação de tempo relativo para...
Na postagem do blog Construindo poderosos modelos de classificação de imagens usando muito poucos dados , são mencionados os recursos de gargalo. Quais são os recursos de gargalo? Eles mudam com a arquitetura usada? Eles são o resultado final das camadas convolucionais antes da camada totalmente...
Estou tentando desenvolver uma rede neural que possa identificar os recursos de design nos modelos CAD (ou seja, slots, saliências, furos, bolsos, etapas). Os dados de entrada que pretendo usar para a rede são ansn matrix (em que n é o número de faces no modelo CAD). Um '1' no triângulo superior...
Existem modelos possíveis com potencial para substituir as redes neurais em um futuro próximo? E precisamos mesmo disso? Qual é a pior coisa sobre o uso de redes neurais em termos de
Estou tentando detectar um logotipo de canal de TV dentro de um arquivo de vídeo. Portanto, basta inserir um .mp4vídeo de entrada , detectar se esse logotipo está presente em um quadro específico, por exemplo, primeiro quadro ou não. Temos esse logotipo com antecedência (embora possa não ser o%...
Eu li que redes neurais profundas podem ser facilmente enganadas ( link ) para dar alta confiança no reconhecimento de imagens sintéticas / artificiais que estão completamente (ou pelo menos principalmente) fora do assunto de confiança. Pessoalmente, eu realmente não vejo um grande problema com o...
Que benefícios podemos obter com a aplicação da Rede Neural Convolucional Graph em vez da CNN comum? Quero dizer, se podemos resolver um problema pela CNN, qual é a razão pela qual devemos converter o Graph Convolutional Neural Network para resolvê-lo? Existem exemplos, ou seja, os trabalhos podem...
Pouco sobre aprendizado profundo (para referência) : O aprendizado profundo é um ramo do aprendizado de máquina baseado em um conjunto de algoritmos que tentam modelar abstrações de alto nível nos dados usando um gráfico profundo com várias camadas de processamento, compostas por várias...
Em uma CNN, o campo receptivo é a parte da imagem usada para calcular a saída do filtro. Mas a saída de um filtro (também chamada de "mapa de recursos") é a entrada do próximo filtro. Qual é a diferença entre um campo receptivo e um mapa de
Eu queria saber se os algoritmos de aprendizado de máquina (CNNs?) Podem ser usados / treinados para diferenciar pequenas diferenças de detalhes entre imagens (como pequenas diferenças em tons de vermelho ou outras cores, ou a presença de pequenos objetos entre imagens muito semelhantes? )? E...