Bei Fragen zu Faltungs-Neuronalen Netzen, auch bekannt als CNN oder ConvNet.
Wissen Wissenschaftler oder Forschungsexperten aus der Küche, was in einem komplexen "tiefen" neuronalen Netzwerk mit mindestens Millionen von Verbindungen geschieht, die gleichzeitig ausgelöst werden? Verstehen sie den Prozess dahinter (z. B. was im Inneren passiert und wie es genau funktioniert)...
Die folgende Seite / Studie zeigt, dass die tiefen neuronalen Netze leicht getäuscht werden können, indem Vorhersagen mit hohem Vertrauen für nicht erkennbare Bilder abgegeben werden, z Wie ist das möglich? Kannst du das bitte im Idealfall im Klartext
Soweit ich das beurteilen kann, haben neuronale Netze eine feste Anzahl von Neuronen in der Eingabeebene. Wenn neuronale Netzwerke in einem Kontext wie NLP verwendet werden, werden Sätze oder Textblöcke unterschiedlicher Größe in ein Netzwerk eingespeist. Wie wird die variierende Eingabegröße mit...
Ich verstehe, dass die Faltungsschicht eines neuronalen Faltungsnetzwerks vier Dimensionen hat: Eingabekanäle, Filterhöhe, Filterbreite, Anzahl der Filter. Ich verstehe außerdem, dass jeder neue Filter nur über ALLE input_channels (oder Feature- / Aktivierungskarten aus der vorherigen Ebene)...
Kann ein Convolutional Neural Network zur Mustererkennung in einem Problembereich verwendet werden, in dem keine Bilder vorhanden sind, beispielsweise durch grafische Darstellung abstrakter Daten? Wäre das immer weniger effizient? Dieser Entwickler sagt, die aktuelle Entwicklung könnte noch weiter...
Ich habe diese Begriffe häufig auf dieser Website gesehen, insbesondere in den Tags Convolutional-Neural-Networks und Neural-Networks . Ich weiß, dass ein neuronales Netzwerk ein System ist, das lose auf dem menschlichen Gehirn basiert. Aber was ist der Unterschied zwischen einem Convolutional...
Angenommen, es sind 10K-Bilder der Größe 2400 x 2400 erforderlich, um in CNN verwendet zu werden. Meiner Ansicht nach werden herkömmliche Computer von Nutzen sein, die die Benutzer verwenden. Nun stellt sich die Frage, wie mit so großen Bildgrößen umgegangen werden kann, wenn keine...
Ich stehe vor dem Problem, Bilder mit unterschiedlichen Dimensionen als Eingaben in eine Segmentierungsaufgabe zu haben. Beachten Sie, dass die Bilder nicht einmal das gleiche Seitenverhältnis haben. Ein allgemeiner Ansatz, den ich im Allgemeinen beim Deep Learning gefunden habe, ist das...
Welche Schicht verbraucht im Convolutional Neural Network maximal Zeit im Training? Faltungsschichten oder vollständig verbundene Schichten? Wir können die AlexNet-Architektur verwenden, um dies zu verstehen. Ich möchte eine zeitliche Aufteilung des Trainingsprozesses sehen. Ich möchte einen...
Geometrie und KI Matrizen, Würfel, Ebenen, Stapel und Hierarchien können genau als Topologien bezeichnet werden . Betrachten Sie in diesem Zusammenhang die Topologie als das übergeordnete geometrische Design eines Lernsystems. Mit zunehmender Komplexität ist es häufig nützlich, diese Topologien als...
In dem Blog-Beitrag Erstellen leistungsfähiger Bildklassifizierungsmodelle mit sehr wenigen Daten werden Engpassfunktionen erwähnt. Was sind die Engpassmerkmale? Ändern sie sich mit der verwendeten Architektur? Sind sie die endgültige Ausgabe von Faltungsschichten vor der vollständig verbundenen...
Ich versuche, ein TV-Kanal-Logo in einer Videodatei zu .mp4erkennen. Geben Sie also einfach ein Eingabevideo an , um festzustellen, ob dieses Logo in einem bestimmten Frame vorhanden ist, z. B. im ersten Frame, oder nicht. Wir haben dieses Logo im Voraus (obwohl es möglicherweise nicht die gleiche...
Gibt es mögliche Modelle, die in naher Zukunft das Potenzial haben, neuronale Netze zu ersetzen? Und brauchen wir das überhaupt? Was ist das Schlimmste an der Nutzung neuronaler Netze in Bezug auf die
Ich versuche, ein neuronales Netzwerk zu entwickeln, das Konstruktionsmerkmale in CAD-Modellen identifizieren kann (dh Schlitze, Vorsprünge, Löcher, Taschen, Stufen). Die Eingabedaten, die ich für das Netzwerk verwenden möchte, sind Anxn-Matrix (wobei n die Anzahl der Flächen im CAD-Modell ist)....
Was ist der grundlegende Unterschied zwischen Faltungs-Neuronalen Netzen und wiederkehrenden Neuronalen Netzen? Wo werden sie
In einem CNN ist das Empfangsfeld der Teil des Bildes, der zur Berechnung der Filterausgabe verwendet wird. Die Ausgabe eines Filters (die auch als "Feature Map" bezeichnet wird) ist jedoch die Eingabe des nächsten Filters. Was ist der Unterschied zwischen einem Empfangsfeld und einer...
Ich habe gelesen, dass tiefe neuronale Netze relativ leicht getäuscht werden können ( Link ), um ein hohes Vertrauen in die Erkennung von synthetischen / künstlichen Bildern zu geben, die vollständig (oder zumindest größtenteils) außerhalb des Vertrauenssubjekts liegen. Persönlich sehe ich kein...
Kurz über Deep Learning (als Referenz) : Deep Learning ist ein Zweig des maschinellen Lernens, der auf einer Reihe von Algorithmen basiert, die versuchen, Abstraktionen auf hoher Ebene in Daten mithilfe eines Deep Graphs mit mehreren Verarbeitungsebenen zu modellieren, die aus mehreren linearen...
Welche Vorteile können wir durch die Anwendung von Graph Convolutional Neural Network anstelle von gewöhnlichem CNN erzielen? Ich meine, wenn wir ein Problem durch CNN lösen können, was ist der Grund, warum wir auf Graph Convolutional Neural Network umstellen sollten, um es zu lösen? Gibt es...
Ich habe mich gefragt, ob Algorithmen für maschinelles Lernen (CNNs?) Verwendet / trainiert werden können, um zwischen kleinen Detailunterschieden zwischen Bildern (wie geringfügigen Unterschieden in Rottönen oder anderen Farben oder dem Vorhandensein kleiner Objekte zwischen ansonsten sehr...