@امپراشاسپارش گوپتا
فن شناس برنامه نویس نوازنده. کاوشگر
– تمام تصاویر (طرح ها) توسط نویسنده تولید و اصلاح می شوند.
امروز ما از تکنیک فوق العاده م asثر استفاده می کنیم انتقال یادگیری که در آن می توانیم از یک مدل از قبل آموزش دیده توسط استفاده کنیم Google AI برای طبقه بندی هر تصویری از اشیا visual بصری طبقه بندی شده در جهان بینایی رایانه.
انتقال یادگیری یک روش یادگیری ماشین است که از یک شبکه عصبی از پیش آموزش دیده استفاده می کند. در اینجا ، مدل تشخیص تصویر Inception-v3 از دو قسمت تشکیل شده است: –
- استخراج ویژگی بخشی با یک شبکه عصبی کانولوشن.
- طبقه بندی بخشی با لایه های کاملاً متصل و سافت مکس.
Inception-v3 یک مدل شبکه عصبی کانولوشن از قبل آموزش دیده است که 48 لایه عمق دارد.
این یک نسخه از شبکه است که قبلاً روی بیش از یک میلیون تصویر از پایگاه داده ImageNet آموزش دیده است. این سومین نسخه از مدل Inception CNN توسط گوگل است که در ابتدا تحریک شده است چالش شناسایی ImageNet.
این شبکه از قبل آموزش دیده می تواند تصاویر را در 1000 دسته شی مانند صفحه کلید ، ماوس ، مداد و بسیاری از حیوانات طبقه بندی کند. در نتیجه ، این شبکه بازنمایی ویژگی های غنی برای طیف گسترده ای از تصاویر را آموخته است. اندازه ورودی تصویر شبکه 299 در 299 است. مدل ویژگی های کلی را از تصاویر ورودی در قسمت اول استخراج می کند و …