لیست مقالات
List of Articles

مقالات صنایع غذایی مقالات تخصصی حوزه بازرگانی مقالات عمومی مقالات حقوقی

یادگیری عمیق تعبیه های حفظ (قسمت هفتم)

از جدول 1 (ب)، ما می توانیم ببینیم که تغییر تابع تعبیه از خطی به غیر خطی باعث بهبود دقت در حدود 4٪ در سراسر بورد می شود. رفتن از محدودیت های تک جهته به دو جهته باعث بهبود دقت در حدود 1-2٪ برای بازیابی تصویر به جمله با یک مقدار بزرگتر برای بازیابی جمله به تصویر است.

بیشتر بخوانیم
یادگیری عمیق تعبیه های حفظ (قسمت هفتم)

یادگیری عمیق تعبیه های حفظ (قسمت ششم)

در آزمایش های بازیابی تصویر- جمله، برای نشان دادن تصاویر، ما جزئیات پیاده سازی را در [26، 37] دنبال می کنیم. با توجه به تصویر، ما فعال سازی های 4096 بعدی را از مدل VGG، 19لایه استخراج می کنیم[42]. پس از پروسه استاندارد، تصویر اصلی 256 × 256 به ده طریق مختلف در 224 × 224 تصویر سر شاخه می شود(برش داده می شود): چهار گوشه، مرکز، و محور x تصویر آن ها است.

بیشتر بخوانیم
یادگیری عمیق تعبیه های حفظ (قسمت ششم)

یادگیری عمیق تعبیه های حفظ (قسمت پنجم)

تابع تلفات تعبیه. ما محدودیت های در بدست آوردن عملی مان را به روشی استاندارد با استفاده از تلفات hinge تبدیل می کنیم. تابع تلفات منتجه به صورت زیر است (مراجعه به "بیشتر بخوانیم")

بیشتر بخوانیم
یادگیری عمیق تعبیه های حفظ (قسمت پنجم)
...1617181920...