Size: a a a

Глубинное обучение (группа)

2018 July 01

Ю

Юрий in Глубинное обучение (группа)
Konstantin Sozykin
потому что это задача скорее из geomtric сomputer vision\photogrammetry, где для этого куча методов разрабатывалось до нейросетей. если что-то и есть это прям передний край ресерча, который может быть даже без норм имплиметации на гитхабе.

если все таки хотитет нейросеть надо чет-ко понимать что на выходе будет, и как вы это дальше будете обрабатывать
я просто думал так. обучить нейросеть для 100 например картинок карты. И потом при добавлении новой картинки - эта картинка будет добавляться в нужное место ( как в пазле)
источник

KS

Konstantin Sozykin in Глубинное обучение (группа)
какой опыт у вас с нейросетями?
источник

KS

Konstantin Sozykin in Глубинное обучение (группа)
тут скорее надо учить на всей карте, а потом заставлять дорисовывать ее пустные места
источник

Ю

Юрий in Глубинное обучение (группа)
Konstantin Sozykin
какой опыт у вас с нейросетями?
уровень многослойного перцептрона:D только начал изучение
источник

KS

Konstantin Sozykin in Глубинное обучение (группа)
Юрий
уровень многослойного перцептрона:D только начал изучение
тогда даже пока не подходите к этой задаче.
источник

KS

Konstantin Sozykin in Глубинное обучение (группа)
серьезно
источник

Ю

Юрий in Глубинное обучение (группа)
для изображений использовал сеть хемминга
источник

Ю

Юрий in Глубинное обучение (группа)
Konstantin Sozykin
тогда даже пока не подходите к этой задаче.
хотел бы научиться более серьезным нейросетевым алгоритмам
источник

KS

Konstantin Sozykin in Глубинное обучение (группа)
Юрий
хотел бы научиться более серьезным нейросетевым алгоритмам
это слишком сложно. это потянет на передовой край науки.
http://cs231n.stanford.edu/ - ав вы пока для начала это заботайте
источник

Ю

Юрий in Глубинное обучение (группа)
Konstantin Sozykin
это слишком сложно. это потянет на передовой край науки.
http://cs231n.stanford.edu/ - ав вы пока для начала это заботайте
спасибо
источник

A

Andrey in Глубинное обучение (группа)
Юрий
Здравствуйте, ребят такой вопрос. Имеются фотографии местности ( карта ), мне нужно все эти карты соеденить воедино правильно, чтобы получить общую карту. Какую использовать нейросеть ? Перцептрон не предлагать.
Карта (схема), или фотки? Перекрытия есть?
источник

Ю

Юрий in Глубинное обучение (группа)
Andrey
Карта (схема), или фотки? Перекрытия есть?
Фотки. Но для начала чтобы проще было начать с карты (схемы)
источник

A

Andrey in Глубинное обучение (группа)
Если с перекрытием, то для схем надо искать точное соответствие пикселей и по ним выравнивать
источник
2018 July 03

Ю

Юрий in Глубинное обучение (группа)
Здравствуйте. Какую тему диплома взять. Хотелось бы по Data Science
источник

DN

Danil Neverov in Глубинное обучение (группа)
Юрий
Здравствуйте, ребят такой вопрос. Имеются фотографии местности ( карта ), мне нужно все эти карты соеденить воедино правильно, чтобы получить общую карту. Какую использовать нейросеть ? Перцептрон не предлагать.
Я думаю задачу можно решить с помощью НН. На вход давать пару соседних картинок, на выход координаты и оринтацию одной кортинки в системе координат другой. Архитектурно это может быть стандартная нескольслойная конволюция, которая даже может шарить веса для обеих фоток на ранних слоях.
источник

DN

Danil Neverov in Глубинное обучение (группа)
Впрочем, я сильно сомневаюсь, что будут хоть какието приемущества перед стандартными методами
источник

YB

Yuri Baburov in Глубинное обучение (группа)
Danil Neverov
Я думаю задачу можно решить с помощью НН. На вход давать пару соседних картинок, на выход координаты и оринтацию одной кортинки в системе координат другой. Архитектурно это может быть стандартная нескольслойная конволюция, которая даже может шарить веса для обеих фоток на ранних слоях.
я бы делал задачу так:
брал одну картинку и вторую ставил сбоку, и спрашивал, а похоже ли, что одна картинка это продолжение второй?
можно и просто посмотреть на похожесть границы картинок, но нейросети могли бы точнее определить наличие одинаковых продолжающихся протяжённых предметов.
другое дело, что тогда подобных проверок будет надо много делать на одну картинку — это медленно.
ну, можно комбинировать подходы, а можно дополнительную нейросеть заставить определять, на сколько пикселей картинку нужно сдвинуть.
а ещё можно приблизительное определение границы делать стандартной суммой квадратов разностей цветов точек на границе картинок, а потом уже для более точного определения привлекать нейросеть.
источник

YB

Yuri Baburov in Глубинное обучение (группа)
Юрий
Здравствуйте. Какую тему диплома взять. Хотелось бы по Data Science
а какую задачу ты бы в целом хотел решать? сделай сначала домашнюю работу — определись с направлением.
источник

DN

Danil Neverov in Глубинное обучение (группа)
Yuri Baburov
я бы делал задачу так:
брал одну картинку и вторую ставил сбоку, и спрашивал, а похоже ли, что одна картинка это продолжение второй?
можно и просто посмотреть на похожесть границы картинок, но нейросети могли бы точнее определить наличие одинаковых продолжающихся протяжённых предметов.
другое дело, что тогда подобных проверок будет надо много делать на одну картинку — это медленно.
ну, можно комбинировать подходы, а можно дополнительную нейросеть заставить определять, на сколько пикселей картинку нужно сдвинуть.
а ещё можно приблизительное определение границы делать стандартной суммой квадратов разностей цветов точек на границе картинок, а потом уже для более точного определения привлекать нейросеть.
Я все же думаю задача определения, сшиваются ли картинки, не стоит, все таки фоткают местность обычно последовательно по некоторому гриду. Нам должны быть заранее известны соседи картинки, с которыми надо сшивать.
источник

Ю

Юрий in Глубинное обучение (группа)
Yuri Baburov
я бы делал задачу так:
брал одну картинку и вторую ставил сбоку, и спрашивал, а похоже ли, что одна картинка это продолжение второй?
можно и просто посмотреть на похожесть границы картинок, но нейросети могли бы точнее определить наличие одинаковых продолжающихся протяжённых предметов.
другое дело, что тогда подобных проверок будет надо много делать на одну картинку — это медленно.
ну, можно комбинировать подходы, а можно дополнительную нейросеть заставить определять, на сколько пикселей картинку нужно сдвинуть.
а ещё можно приблизительное определение границы делать стандартной суммой квадратов разностей цветов точек на границе картинок, а потом уже для более точного определения привлекать нейросеть.
Да, я так и думал делать
источник