Preguntas etiquetadas con computer-vision

¿Cómo calcular el mAP (precisión media promedio) para la tarea de detección de las tablas de clasificación de Pascal VOC? http://host.robots.ox.ac.uk:8080/leaderboard/displaylb.php?challengeid=11&compid=4 Dicho esto, en la página 11 : http://homepages.inf.ed.ac.uk/ckiw/postscript/ijcv_voc09.pdf Precisión media (AP). Para el desafío VOC2007, se usó la precisión promedio interpolada (Salton y Mcgill 1986) para evaluar tanto la …

22 machine-learning  neural-network  svm  computer-vision  object-recognition 

El documento Profundizando en convoluciones describe GoogleNet que contiene los módulos de inicio originales: El cambio al inicio v2 fue que reemplazaron las convoluciones 5x5 por dos convoluciones sucesivas 3x3 y la agrupación aplicada: ¿Cuál es la diferencia entre Inception v2 e Inception v3?

18 image-classification  convnet  computer-vision  inception 

Para la detección, una forma común de determinar si la propuesta de un objeto era correcta es Intersección sobre Unión (IoU, IU). Esto toma el conjunto de píxeles de objetos propuestos y el conjunto de píxeles verdaderos de objetos B y calcula:UNUNAsisiB yoo U( A , B ) = A …

17 computer-vision 

Si echamos un vistazo al 90-99% de los artículos publicados usando una CNN (ConvNet). La gran mayoría de ellos usa el tamaño de filtro de números impares : {1, 3, 5, 7} para los más utilizados. Esta situación puede generar algún problema: con estos tamaños de filtro, generalmente la operación …

13 deep-learning  convnet  computer-vision  convolution 

Estoy creando prototipos de una aplicación y necesito un modelo de lenguaje para calcular la perplejidad en algunas oraciones generadas. ¿Hay algún modelo de lenguaje entrenado en Python que pueda usar fácilmente? Algo simple como model = LanguageModel('en') p1 = model.perplexity('This is a well constructed sentence') p2 = model.perplexity('Bunny lamp …

11 python  nlp  language-model  r  statistics  linear-regression  machine-learning  classification  random-forest  xgboost  python  sampling  data-mining  orange  predictive-modeling  recommender-system  statistics  dimensionality-reduction  pca  machine-learning  python  deep-learning  keras  reinforcement-learning  neural-network  image-classification  r  dplyr  deep-learning  keras  tensorflow  lstm  dropout  machine-learning  sampling  categorical-data  data-imputation  machine-learning  deep-learning  machine-learning-model  dropout  deep-network  pandas  data-cleaning  data-science-model  aggregation  python  neural-network  reinforcement-learning  policy-gradients  r  dataframe  dataset  statistics  prediction  forecasting  r  k-means  python  scikit-learn  labels  python  orange  cloud-computing  machine-learning  neural-network  deep-learning  rnn  recurrent-neural-net  logistic-regression  missing-data  deep-learning  autoencoder  apache-hadoop  time-series  data  preprocessing  classification  predictive-modeling  time-series  machine-learning  python  feature-selection  autoencoder  deep-learning  keras  tensorflow  lstm  word-embeddings  predictive-modeling  prediction  machine-learning-model  machine-learning  classification  binary  theory  machine-learning  neural-network  time-series  lstm  rnn  neural-network  deep-learning  keras  tensorflow  convnet  computer-vision 

Estas dos operaciones de convolución son muy comunes en el aprendizaje profundo en este momento. Leí sobre la capa convolucional dilatada en este artículo: WAVENET: UN MODELO GENERATIVO PARA AUDIO CRUDO y De-convolution se encuentra en este documento: Redes completamente convolucionales para la segmentación semántica Ambos parecen muestrear la imagen …

11 machine-learning  deep-learning  convnet  computer-vision  convolution 

Estoy tratando de implementar un algoritmo donde, dada una imagen con varios objetos en una tabla plana, se desea la salida de máscaras de segmentación para cada objeto. A diferencia de las CNN, el objetivo aquí es detectar objetos en un entorno desconocido. ¿Cuáles son los mejores enfoques para este …

10 machine-learning  deep-learning  cnn  computer-vision  object-detection 

Me gustaría verificar los archivos JPG si fueron manipulados para cambiar el contenido. Lo que considero NO photoshopped: Recortar Giratorio (Escalada) Resolución de imagen Los cambios automáticos que pueden hacer los teléfonos inteligentes Lo que considero photoshopping: Agregar una nueva imagen encima de partes de la imagen anterior Cambiar el …

10 computer-vision 

En este artículo altamente citado , los autores dan la siguiente discusión sobre el número de parámetros de peso. No tengo muy claro por qué tiene parámetros C 2 . Creo que debería ser 49 C ya que cada uno de los canales de entrada C comparte el mismo filtro, …

9 machine-learning  deep-learning  computer-vision 

¿Hay algún documento publicado que muestre diferencias en los métodos de regularización para redes neuronales, preferiblemente en diferentes dominios (o al menos diferentes conjuntos de datos)? Lo pregunto porque actualmente tengo la sensación de que la mayoría de las personas parecen usar solo el abandono para la regularización en la …

9 neural-network  computer-vision  convnet  regularization  dropout 

Quiero extraer parámetros de una imagen usando una red neuronal. Ejemplo: Dada una imagen de una pared de ladrillos, el NN debe extraer el ancho y la altura de los ladrillos, el color y la aspereza. Puedo generar imágenes para parámetros dados para entrenar el NN y quiero usarlo para …

8 neural-network  deep-learning  computer-vision 

Estoy usando un descriptor HOG, junto con un clasificador SVM, para reconocer a los humanos en imágenes. Estoy usando los envoltorios de Python para OpenCV. He utilizado el excelente tutorial en pymagesearch , que explica lo que hace el algoritmo y proporciona sugerencias sobre cómo establecer los parámetros del método …

8 python  computer-vision  object-recognition