مقاله شبکه عصبی یونت | U-Net 2015
ฝัง
- เผยแพร่เมื่อ 2 ส.ค. 2024
- شبکههای عصبی کانولوشنی و بازگشتی خیلی ساختار متفاوتی دارند و تقریبا ربطی به هم ندارن. از یه جا با هم یک چیزی رو مشترک وارد ساختارهاشون کردن اون هم مفهوم autoencoders هست. CNNs ها با U-net این و RNNs ها با Transformers از ساختار AutoEncoders بهره بردن.
درک ساختار U-Net به درک مفهوم AutoEncodrs خیلی کمک میکنه و توی این ویدیو به بهونه بررسی مقاله یونت میخواهیم با فرایند down/up sampling که توی ساختار encode/decoder ها استفاده میشه آشنا بشیم.
مقاله U-Net:
arxiv.org/abs/1505.04597
دسترسی به ویدیوهای سایر نتورکها:
Alex Net
• مقاله شبکه عصبی الکس ن...
ResNet
• مقاله شبکه عصبی رزنت |...
VGGNet
• دیپ لرنینگ | VGGNet یا...
GoogleNet
• دیپ لرنینگ | گوگل نت و...
EfficientNet
• دیپ لرنینگ | Efficient...
00:00 مقدمه ای به AutoEncoders و دلیل بررسی U-Net
02:20 بررسی مقاله U-Net تو گوگل اسکالر
03:03 انواع image segmentation
04:00 کاربردها و use-case های u-net
04:42 بررسی معماری شبکه یونت
18:00 مقاله reproducible چه ویژگی دارن؟
20:20 جزییات training و تابع هزینه
آدرس کانالهای ارتباطی:
بلاگ مقالات به روز حوزه: ctdrs.ir/ds1111
وبسایت دپارتمان علم داده: cafetadris.com/datascience
کانال تلگرام تخصصی علم داده: @dslanders
id تلگرام من: @rezashokrzad
so thanks, dear Reza. these types of videos are so helpful for master students and others that going to learn everything with papers. please continue more and more in this type, and I say again so thanks, you are an amazing teacher.
ممنون، عالی بود
درود بر شما و سپاسگزار از زحماتی که برای تهیه این ویدئو کشیدید.
سپاسگزارم از شما
ممنون از شما. مثل همیشه عالی🌻
عالی بود رضا جون
مثل همیشه عالی، رضای عزیز، البته من بر خلاف بقیه دوستان ، علاقه زیادی به جزییات کدنویسی و ریاضیات پشتش دارم، خلاصه هر چه بیشتر تو عمق مقاله بریم بهتر😂
کدزنی رو بیشتر میکنیم حتما
یه کمم میبریمش به سمت بحثهای به روز و پروداکشن محور
چندتا مقاله مهم دیگه رو ببندیم، میتونه پروژه بعدی باشه
در فرمولی که برای محاسبه سایز تصویر بعد از conv2d میگین اینجوری هست که سایز عکس منهی سایز کرنل + 1 ؟ اگه تصویر چهار در چهار داشتیم و کرنل دو در دو تصویر خروجی میشد سه در سه ؟
I am really glad to subscribed to your TH-cam channel and joined your telegram channel.