Enter Deep learning. Deep convoluti

Enter Deep learning. Deep convolutional neural networks (CNNs), a specific type of deep learning algorithm, address the gaps in traditional machine learning techniques, changing the way we solve these problems. CNNs not only perform classification, but they can also learn to extract features directly from raw images, eliminating the need for manual feature extraction. For computer vision applications you often need more than just image classification; you need state-of-the-art computer vision techniques for object detection, a bit of domain expertise, and the know-how to set up and use GPUs efficiently. Through the rest of this post, I will use an object recognition example to illustrate how easy it is to use MATLAB for deep learning, even if you don’t have extensive knowledge of computer vision or GPU programming.

ผลลัพธ์ (ไทย) 1:

การเรียนรู้ลึก ลึก convolutional ประสาทเครือข่าย (CNNs), ชนิดของขั้นตอนวิธีการเรียนรู้แบบลึก ช่องว่างในเครื่องแบบเทคนิคการเรียนรู้ การเปลี่ยนแปลงวิธีเราแก้ปัญหาเหล่านี้ CNNs ไม่เพียงแต่การจัดประเภท แต่พวกเขายังสามารถเรียนรู้การแยกคุณลักษณะจากภาพดิบ สำหรับการสกัดคุณลักษณะด้วยตนเองโดยตรง สำหรับวิสัยทัศน์คอมพิวเตอร์ มักจะต้องมากกว่าภาพประเภท ต้องใช้เทคนิควิสัยทัศน์คอมพิวเตอร์รัฐ-of-the-art สำหรับตรวจจับวัตถุ ความเชี่ยวชาญของโดเมน และความรู้การตั้งค่า และใช้ GPUs ได้อย่างมีประสิทธิภาพ ผ่านส่วนเหลือของบทความนี้ ฉันจะใช้ตัวอย่างการรู้จำวัตถุเพื่อแสดงวิธีที่ง่ายจะใช้ MATLAB เรียนลึก แม้ว่าคุณไม่มีความรู้กว้างขวางของคอมพิวเตอร์วิทัศน์หรือเขียนโปรแกรม GPU

ผลลัพธ์ (ไทย) 2:

เข้าสู่การเรียนรู้ที่ลึก เครือข่ายประสาทลึก convolutional (CNNs) ประเภทเฉพาะของขั้นตอนวิธีการเรียนรู้ที่ลึกอยู่ช่องว่างในเครื่องแบบดั้งเดิมเทคนิคการเรียนรู้การเปลี่ยนแปลงวิธีที่เราแก้ไขปัญหาเหล​​่านี้ CNNs ไม่เพียง แต่ดำเนินการจัดหมวดหมู่ แต่พวกเขายังสามารถเรียนรู้ที่จะดึงคุณสมบัติโดยตรงจากภาพดิบไม่จำเป็นต้องดึงคู่มือการใช้งาน สำหรับการใช้งานคอมพิวเตอร์วิสัยทัศน์คุณมักจะต้องมากกว่าการจัดหมวดหมู่ภาพเพียง; คุณต้องการรัฐของศิลปะเทคนิคคอมพิวเตอร์วิสัยทัศน์ในการตรวจหาวัตถุบิตของความเชี่ยวชาญโดเมนและความรู้ในการติดตั้งและใช้งานได้อย่างมีประสิทธิภาพ GPUs ผ่านส่วนที่เหลือของบทความนี้ผมจะใช้ตัวอย่างการรับรู้วัตถุเพื่อแสดงให้เห็นวิธีที่ง่ายก็คือการใช้ MATLAB สำหรับการเรียนรู้ลึกแม้ว่าคุณจะไม่ได้มีความรู้ที่กว้างขวางของคอมพิวเตอร์วิสัยทัศน์หรือการเขียนโปรแกรม GPU

ผลลัพธ์ (ไทย) 3:

เข้าเรียนลึก โครงข่ายประสาทเทียม ( ขดลึก cnns ) ชนิดที่เฉพาะเจาะจงของลึกการเรียนรู้ขั้นตอนวิธีที่อยู่ช่องว่างในแบบดั้งเดิมเครื่องเรียนรู้เทคนิค การเปลี่ยนแปลงวิธีที่เราแก้ปัญหาเหล่านี้ cnns ไม่แสดงเฉพาะหมวดหมู่ แต่พวกเขายังสามารถเรียนรู้เพื่อสกัดคุณลักษณะได้โดยตรงจากภาพดิบ , ขจัดความต้องการสำหรับการสกัดคุณลักษณะคู่มือคอมพิวเตอร์วิสัยทัศน์การใช้งานที่คุณมักจะต้องการมากกว่าการจำแนกภาพเพียง ; คุณต้องการเทคนิคคอมพิวเตอร์วิสัยทัศน์รัฐ - of - the - art สำหรับตรวจจับวัตถุ , บิตของความเชี่ยวชาญโดเมน และความรู้ในการติดตั้งและใช้งานต่อได้อย่างมีประสิทธิภาพ ผ่านส่วนที่เหลือของบทความนี้ ผมจะใช้ในการรู้จำวัตถุตัวอย่างเพื่อแสดงให้เห็นถึงวิธีที่ง่ายก็คือการใช้ Matlab สำหรับการเรียนรู้ที่ลึกถ้าคุณไม่ได้มีความรู้กว้างขวางของวิสัยทัศน์คอมพิวเตอร์หรือโปรแกรม GPU .