Excelente video! muy claro, muchas gracias por difundir tu conocimiento!, una consulta, para el caso de un dataset con etiquetas para localización sería la misma logica? podes compartir el git del codigo? Saludos
La explicacion es muy buena, pero tal vez sabes de donde podría conseguir una base de datos, para detectar los techos del levantamiento de una ciudadela?
Saludos, excelente video. Una pregunta, tienes pensado mostrar un ejemplo de segmentación multiclase? Estoy haciendo un proyecto y me confundo un poco con la función de pérdida ya que es diferente si usas volumenes one hot encoded o 1,2,3 ... para las máscaras, también he visto que hay activación softmax, softmax2d. No se si podrías recomendarme algo ya que he leido foros y documentación pero o no está muy claro o cada quien tiene su estrategia xd.
Hola Pepe, muchas gracias por tu contenido de calidad. Quería hacerte una pregunta, ¿por qué solo se normalizan las etiquetas y las imagénes de entrada no?, ¿es recomendable hacerlo así o se deben normalizar tanto la entrada como la salida? Gracias.
Hola! Muchas gracias por tu comentario, el proceso sería el mismo en general. Sin embargo, seguro se van a requerir ajustes de acuerdo a tus datos, tal vez técnicas como Attention pueden ayudarte. Particularmente, si los tumores son muy pequeños en relación con el resto de la imagen, el proceso puede ser mucho más retador. Muchos saludos y mucho éxito!
Hola Pepe, Feliz año 2023 y muchas gracias por tu video. Sabes que cuando quiero graficar las máscaras con "plot_mini_batch", obtengo el siguiente error: TypeError: Invalid shape (224, 224, 1) for image data Es solo con las mascaras y creo que podría ser debido a los canales, de acuerdo con los demás detalles: /usr/local/lib/python3.8/dist-packages/matplotlib/image.py in set_data(self, A) 696 if not (self._A.ndim == 2 697 or self._A.ndim == 3 and self._A.shape[-1] in [3, 4]): --> 698 raise TypeError("Invalid shape {} for image data" 699 .format(self._A.shape)) 700 Te agradecería mucho alguna sugerencia para mi problema, Saludos!
Excelente vídeo y la implementación mas que espectacular. Muy detallado con un contenido de excelencia!!!
Mauricio, de verdad muchas gracias por tu comentario, me motiva enormemente para continuar. Muchos saludos amigo! Hasta pronto
eres un crak. siguiendo a partir de ya.
Muchísimas gracias por tu comentario! Espero estar publicando nuevo contenido muy pronto. Te mando muchos saludos. Hasta pronto!
Muchas gracias, excelente video!!! Saludos!!
Hola Leonardo!! Muchas gracias por tu comentario, ya tengo lista la serie completa, mañana publico la última parte! Muchos saludos, un abrazo!
Excelente contenido. Gracias!
Muchas gracias por tu comentario y apoyo al canal!! Muchos saludos!
Buenas Pepe. Lo qué haces hasta el 20:13 puedes implicarse un poco con la instrucción YIELD?
Muchas Gracias.
Al contrario, gracias por el apoyo al canal. Muchos saludos!
Excelente video! muy claro, muchas gracias por difundir tu conocimiento!, una consulta, para el caso de un dataset con etiquetas para localización sería la misma logica? podes compartir el git del codigo?
Saludos
gracias!!😊
Muchas gracias por tu comentario! Saludos!
La explicacion es muy buena, pero tal vez sabes de donde podría conseguir una base de datos, para detectar los techos del levantamiento de una ciudadela?
Buenas ¿puedes pasar el enlace del código? Aprovecho para darte las gracias por todos estos vídeos.
Saludos, excelente video. Una pregunta, tienes pensado mostrar un ejemplo de segmentación multiclase? Estoy haciendo un proyecto y me confundo un poco con la función de pérdida ya que es diferente si usas volumenes one hot encoded o 1,2,3 ... para las máscaras, también he visto que hay activación softmax, softmax2d. No se si podrías recomendarme algo ya que he leido foros y documentación pero o no está muy claro o cada quien tiene su estrategia xd.
Hola Guillermo, ¿lograste implementar multiclase? Saludos!
Hola Pepe, muchas gracias por tu contenido de calidad. Quería hacerte una pregunta, ¿por qué solo se normalizan las etiquetas y las imagénes de entrada no?, ¿es recomendable hacerlo así o se deben normalizar tanto la entrada como la salida? Gracias.
en caso se requiera una base de datos de tumores cerebrales, el proceso seria el mismo?
Hola! Muchas gracias por tu comentario, el proceso sería el mismo en general. Sin embargo, seguro se van a requerir ajustes de acuerdo a tus datos, tal vez técnicas como Attention pueden ayudarte. Particularmente, si los tumores son muy pequeños en relación con el resto de la imagen, el proceso puede ser mucho más retador. Muchos saludos y mucho éxito!
@@PepeCantoralPhD muchas gracias!!! tus videos son lo mejor, los estoy usando para guiarme en mi tesis de fin de carrera
Hola Pepe, Feliz año 2023 y muchas gracias por tu video.
Sabes que cuando quiero graficar las máscaras con "plot_mini_batch", obtengo el siguiente error:
TypeError: Invalid shape (224, 224, 1) for image data
Es solo con las mascaras y creo que podría ser debido a los canales, de acuerdo con los demás detalles:
/usr/local/lib/python3.8/dist-packages/matplotlib/image.py in set_data(self, A)
696 if not (self._A.ndim == 2
697 or self._A.ndim == 3 and self._A.shape[-1] in [3, 4]):
--> 698 raise TypeError("Invalid shape {} for image data"
699 .format(self._A.shape))
700
Te agradecería mucho alguna sugerencia para mi problema, Saludos!
Primero!
Wow muchas gracias por tu comentario, creo que es el primer comentario que recibo así!!!! Muchos saludos y hasta pronto!
Jajaja. Estaba justo viendo la intro a pytorch y me salió este