137 читали · 2 года назад
🧠 Нейросеть - AimNet
Код: https://github.com/JizhiziLi/AIM Статья: https://arxiv.org/abs/2107.07235 Обученная модель: https://drive.google.com/uc?export=download&id=16dd1FGMcsMTqR6EfD2T9mtRmPwxnY0zs Датасет: https://paperswithcode.com/dataset/celebamask-hq В отличие от предыдущих алгоритмов, которые работают только на изображениях с ярко выраженными непрозрачными передними планами, такими как люди и животные, в этой статье мы исследуем трудности при использование методов автоматического распознавания объектов на изображения с ярко выраженными прозрачными передними планами...
5443 читали · 2 года назад
Что такое нейросеть и как она работает? Объясняем простыми словами Нейросеть является одним из видов искусственного интеллекта, который имитирует работу человеческого мозга и учится решать задачи, подобно тому, как учатся люди. Как и мозг, нейронная сеть состоит из множества нейронов, которые связаны между собой. Нейроны в ней - это как маленькие компьютеры, которые обрабатывают информацию. Они принимают входящие данные, обрабатывают их и передают результат дальше по сети. Каждый нейрон может быть связан с другими нейронами, и эти связи могут усиливаться или ослабляться в зависимости от того, какие данные проходят через сеть. Вместе все нейроны работают, чтобы помочь нейронной сети научиться распознавать образы и делать прогнозы. Допустим, у нас есть задача классификации изображений на два класса: кошки и собаки. Для этого мы можем создать нейронную сеть, которая будет обучаться на наборе изображений с подписанными метками "кошка" и "собака". Сначала мы загружаем нашу нейронную сеть с помощью специального программного обеспечения и передаем ей изображение для классификации. Нейронная сеть проходит через несколько слоев, каждый из которых содержит множество нейронов, и каждый нейрон обрабатывает информацию о пикселях изображения. На первом слое нейронная сеть может обнаруживать простые формы, такие как линии или круги. На следующем слое она может соединять эти формы в более сложные объекты, например, глаза или уши. На последнем слое сеть принимает окончательное решение о том, является ли изображение кошкой или собакой. В процессе обучения нейронная сеть анализирует большое количество изображений и корректирует параметры, чтобы улучшить свою точность классификации. В результате, когда мы передаем новое изображение, нейронная сеть может точно определить, является ли оно кошкой или собакой.