Быстрый R-CNN - Объяснено!
В этом видео мы рассмотрим сеть Fast RCNN. Что это такое? Почему она лучше оригинальной RCNN? Как мы обучаем сеть и делаем выводы для обнаружения объектов? ОБО МНЕ ⭕ Подписаться: https://www.youtube.com/c/CodeEmporiu...
📚 Блог на Medium: / dataemporium 💻 Github: https://github.com/ajhalthor
👔 LinkedIn: / ajay-halthor-477974bb РЕСУРСЫ [1 📚] Слайды, использованные в видео: https://link.excalidraw.com/p/readonl...
[2 📚] Основная статья видео: https://arxiv.org/pdf/1409.1556
[3 📚] Код для сети VGG: https://github.com/ajhalthor/computer...
[4 📚] Рейтинг моделей соревнований ILSVRC Image Net в 2014 году: https://image-net.org/challenges/LSVR...
[1 📚] Основная статья: https://arxiv.org/pdf/1504.08083
[2 📚] Слайды, использованные в видео: https://link.excalidraw.com/p/readonl...
[3 📚] Схемы архитектуры VGG и Fast R-CNN. Я также предоставляю исходные файлы drawio, которые вы можете загрузить на [draw.io](http://draw.io)
для подключения и работы: https://github.com/ajhalthor/computer...
[4 📚] Сглаженные потери L1, используемые для вычисления потери локализации: https://docs.pytorch.org/docs/stable/...
[5 📚] Видео, объясняющее исходную R-CNN. Рекомендуется посмотреть перед этим видео для более глубокого понимания контекста: • R-CNN - Explained! [6 📚] Статья, в которой представлено пространственное пирамидальное объединение. Это полезно для решения проблем масштабной инвариантности в быстрых R-CNN. Я не стал подробно останавливаться на этом в видео, чтобы избежать путаницы: https://arxiv.org/pdf/1406.4729
ПЛЕЙЛИСТЫ С МОЕГО КАНАЛА ⭕ Обучение с подкреплением: • Reinforcement Learning 101 Обработка естественного языка: • Natural Language Processing 101 ⭕ Трансформеры с нуля: • Natural Language Processing 101 ⭕ ChatGPT Плейлист: • ChatGPT ⭕ Свёрточные нейронные сети: • Convolution Neural Networks ⭕ Математика, которую вы должны знать: • The Math You Should Know ⭕ Теория вероятностей для машинного обучения: • Probability Theory for Machine Learning ⭕ Кодирование машинного обучения: • Code Machine Learning КУРСЫ МАТЕМАТИКИ (7-дневный бесплатный пробный период) 📕 Математика для машинного обучения: https://imp.i384100.net/MathML
📕 Математический анализ: https://imp.i384100.net/Calculus
📕 Статистика для науки о данных: https://imp.i384100.net/AdvancedStati...
📕 Байесовская статистика: https://imp.i384100.net/BayesianStati...
📕 Линейная алгебра: https://imp.i384100.net/LinearAlgebra
📕 Теория вероятностей: https://imp.i384100.net/Probability
ДРУГИЕ КУРСЫ ПО ТЕМЕ (7-дневный бесплатный пробный период) (пробная версия) 📕 ⭐ Специализация по глубокому обучению: https://imp.i384100.net/Deep-Learning
📕 Python для всех: https://imp.i384100.net/python
📕 Курс MLOps: https://imp.i384100.net/MLOps
📕 Обработка естественного языка (NLP): https://imp.i384100.net/NLP
📕 Машинное обучение в производстве: https://imp.i384100.net/MLProduction
📕 Специализация по науке о данных: https://imp.i384100.net/DataScience
📕 Tensorflow: https://imp.i384100.net/Tensorflow
ГЛАВЫ 00:00 Что такое R-CNN? 02:40 Что не так с R-CNN? 06:17 Структура быстрой R-CNN 11:42 Объяснение объединения ROI 14:27 Обучение быстрой R-CNN 28:31 Вывод на основе быстрой R-CNN 31:22 Как быстрая R-CNN решила каждую задачу R-CNN 33:00 Контрольная работа 34:00 Подведение итогов
