Para preguntas sobre redes neuronales convolucionales, también conocidas como CNN o ConvNet.
¿Los científicos o expertos en investigación saben desde la cocina lo que está sucediendo dentro de una red neuronal "profunda" compleja con al menos millones de conexiones que se activan en un instante? ¿Entienden el proceso detrás de esto (por ejemplo, qué está sucediendo dentro y cómo funciona...
La siguiente página / estudio demuestra que las redes neuronales profundas se engañan fácilmente al proporcionar predicciones de alta confianza para imágenes irreconocibles, p. Ej. ¿Cómo es esto posible? ¿Puede explicarlo idealmente en inglés
Por lo que puedo decir, las redes neuronales tienen un número fijo de neuronas en la capa de entrada. Si las redes neuronales se usan en un contexto como PNL, las oraciones o bloques de texto de diferentes tamaños se alimentan a una red. ¿Cómo se concilia el tamaño de entrada variable con el...
Entiendo que la capa convolucional de una red neuronal convolucional tiene cuatro dimensiones: input_channels, filter_height, filter_width, number_of_filters. Además, entiendo que cada filtro nuevo se enreda en TODOS los canales de entrada (o mapas de características / activación de la capa...
¿Se puede usar una red neuronal convolucional para el reconocimiento de patrones en un dominio problemático donde no hay imágenes preexistentes, por ejemplo, representando datos abstractos gráficamente? ¿Sería eso siempre menos eficiente? Este desarrollador dice que el desarrollo actual podría ir...
He visto muchos de estos términos en este sitio, específicamente en las etiquetas convolutional-neural-networks y neural-networks . Sé que una red neuronal es un sistema basado libremente en el cerebro humano. Pero, ¿cuál es la diferencia entre una red neuronal convolucional y una red neuronal...
Supongamos que hay 10K imágenes de 2400 x 2400 para usar en CNN. Según mi punto de vista, las computadoras convencionales que la gente use serán de utilidad. Ahora la pregunta es cómo manejar tamaños de imagen tan grandes donde no hay privilegios de disminución de resolución. Aquí están los...
Cerrada . Esta pregunta necesita estar más centrada . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que se centre en un problema solo editando esta publicación . Cerrado hace 16 días . Geometría e...
Me enfrento al problema de tener imágenes de diferentes dimensiones como entradas en una tarea de segmentación. Tenga en cuenta que las imágenes ni siquiera tienen la misma relación de aspecto. Un enfoque común que encontré en general en el aprendizaje profundo es recortar las imágenes, como...
En la red neuronal convolucional, ¿qué capa consume el máximo tiempo en entrenamiento? ¿Capas de convolución o capas completamente conectadas? Podemos tomar la arquitectura AlexNet para entender esto. Quiero ver la ruptura del tiempo del proceso de capacitación. Quiero una comparación de tiempo...
En la publicación del blog Construyendo modelos poderosos de clasificación de imágenes usando muy pocos datos , se mencionan las características de cuello de botella. ¿Cuáles son las características del cuello de botella? ¿Cambian con la arquitectura que se usa? ¿Son el resultado final de las capas...
Estoy tratando de desarrollar una red neuronal que pueda identificar características de diseño en modelos CAD (es decir, ranuras, jefes, agujeros, bolsillos, pasos). Los datos de entrada que pretendo usar para la red son una matriz ansn (donde n es el número de caras en el modelo CAD). Un '1' en...
¿Existen posibles modelos que tengan el potencial de reemplazar las redes neuronales en el futuro cercano? ¿Y necesitamos eso? ¿Qué es lo peor de usar redes neuronales en términos de
Estoy tratando de detectar el logotipo de un canal de TV dentro de un archivo de video, así que simplemente dado un .mp4video de entrada , detectar si tiene ese logotipo presente en un cuadro específico, digamos el primer cuadro, o no. Tenemos ese logotipo de antemano (aunque podría no ser del...
Leí que las redes neuronales profundas pueden ser engañadas con relativa facilidad ( enlace ) para dar una alta confianza en el reconocimiento de imágenes sintéticas / artificiales que están completamente (o al menos en su mayoría) fuera del tema de la confianza. Personalmente, realmente no veo un...
¿Qué beneficios podemos obtener al aplicar la red neuronal convolucional gráfica en lugar de la CNN ordinaria? Quiero decir, si podemos resolver un problema por CNN, ¿cuál es la razón por la que deberíamos convertirnos a Graph Neural Convolutional Neural Network para resolverlo? ¿Hay algún ejemplo,...
En breve sobre el aprendizaje profundo (para referencia) : El aprendizaje profundo es una rama del aprendizaje automático basado en un conjunto de algoritmos que intentan modelar abstracciones de alto nivel en los datos mediante el uso de un gráfico profundo con múltiples capas de...
En una CNN, el campo receptivo es la porción de la imagen utilizada para calcular la salida del filtro. Pero la salida de un filtro (que también se llama "mapa de características") es la entrada del siguiente filtro. ¿Cuál es la diferencia entre un campo receptivo y un mapa de...
Me preguntaba si los algoritmos de aprendizaje automático (CNN) se pueden usar / entrenar para diferenciar entre pequeñas diferencias en los detalles entre las imágenes (como ligeras diferencias en los tonos de rojo u otros colores, o la presencia de pequeños objetos entre imágenes muy similares)....