1. Trang chủ
  2. » Luận Văn - Báo Cáo

Hiểu biết môi trường xung quanh dùng mạng nơron tích chập

75 27 1

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 75
Dung lượng 4,26 MB

Nội dung

Hiểu biết môi trường xung quanh dùng mạng nơron tích chập Hiểu biết môi trường xung quanh dùng mạng nơron tích chập Hiểu biết môi trường xung quanh dùng mạng nơron tích chập Hiểu biết môi trường xung quanh dùng mạng nơron tích chập

Ngày đăng: 20/11/2021, 16:26

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1]. TS Nguyễn Thanh Hải. “Giáo trình xử lý ảnh.” Đại học Quốc gia Tp.HCM, 2014 Sách, tạp chí
Tiêu đề: Giáo trình xử lý ảnh
[2]. Nguyễn Việt Hùng, Nguyễn Tấn Đời, Trương Ngọc Anh, Tạ Văn Phương. “Điều khiển thông minh” Trường Đại Học Sư Phạm Kỹ Thuật Tp HCM, 2008.Tiếng Anh Sách, tạp chí
Tiêu đề: Điều khiển thông minh
[3]. Y. LeCun and Y. Bengio. “Convolutional networks for images, speech, and time- series.” In M. A. Arbib, editor, The Handbook of Brain Theory and Neural Networks.MIT Press, 1995 Sách, tạp chí
Tiêu đề: Convolutional networks for images, speech, and time-series
[4]. Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton, “Imagenet classification with deep convolutional neural networks”. Advances in neural information processing systems, 2012 Sách, tạp chí
Tiêu đề: Imagenet classification with deep convolutional neural networks
[5]. Vedaldi, Andrea and Karel Lenc. “MatConvNet-convolutional neural networks for MATLAB”. 2014 Sách, tạp chí
Tiêu đề: MatConvNet-convolutional neural networks for MATLAB
[6]. Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik. “Rich feature hierarchies for accurate object detection and semantic segmentation Tech report (v5)”.In UC Berkeley, 2014 Sách, tạp chí
Tiêu đề: Rich feature hierarchies for accurate object detection and semantic segmentation Tech report (v5)
[7]. Ross Girshick. “Fast R-CNN”. In Microsoft Research, 2015 Sách, tạp chí
Tiêu đề: Fast R-CNN
[8]. Tsung-Yi Lin, Michael Maire, Serge Belongie, Lubomir Bourdev, Ross Girshick, James Hays, Pietro Perona, Deva Ramanan, C. Lawrence Zitnick, Piotr Dollar.“Microsoft COCO: Common Objects in Context”. 2015 Sách, tạp chí
Tiêu đề: Microsoft COCO: Common Objects in Context
[10]. Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun. “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks”. 2016 Sách, tạp chí
Tiêu đề: Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
[11]. Fei-Fei Li & Andrej Karpathy & Justin Johnson. “Spatial Localization and Detection”. 2016 Sách, tạp chí
Tiêu đề: Spatial Localization and Detection
[12]. Kaiming He Georgia Gkioxari Piotr Dollar Ross Girshick. “Mask R-CNN”. 2018 Sách, tạp chí
Tiêu đề: Mask R-CNN

HÌNH ẢNH LIÊN QUAN

Hình 2.5: Mạng truyền thẳng nhiều lớp. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.5 Mạng truyền thẳng nhiều lớp (Trang 15)
Hình 2.6: Mạng hồi quy một lớp. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.6 Mạng hồi quy một lớp (Trang 15)
Hình 2.8: Các phương pháp huấn luyện mạng thần kinh nhân tạo. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.8 Các phương pháp huấn luyện mạng thần kinh nhân tạo (Trang 16)
Hình 2.7: Mạng hồi quy nhiều lớp. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.7 Mạng hồi quy nhiều lớp (Trang 16)
Hình 2.9: Học có giám sát. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.9 Học có giám sát (Trang 17)
Hình 2.14: ANN với cấu trúc kết nối đầy đủ. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.14 ANN với cấu trúc kết nối đầy đủ (Trang 20)
Hình 2.15: Ví dụ ứng dụng tích chập. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.15 Ví dụ ứng dụng tích chập (Trang 21)
Hình 2.16: Các thành phần của lớp tích chập. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.16 Các thành phần của lớp tích chập (Trang 23)
Hình 2.17: Cách tính tham số của lớp tích chập. Như vậy sử dụng tích chập có những ưu điểm sau: - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.17 Cách tính tham số của lớp tích chập. Như vậy sử dụng tích chập có những ưu điểm sau: (Trang 24)
Hình 2.18: Cách tính tham số của lớp pooling. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.18 Cách tính tham số của lớp pooling (Trang 25)
Theo tài liệu [3], [4], [5], CNN có kiến trúc được hình thành từ các thành phần cơ - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
heo tài liệu [3], [4], [5], CNN có kiến trúc được hình thành từ các thành phần cơ (Trang 27)
bối cảnh khác nhau, ngoài tìm hình ảnh đòi hỏi chúng ta phải xác định ranh giới, sự khác biệt và mối quan hệ với nhau - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
b ối cảnh khác nhau, ngoài tìm hình ảnh đòi hỏi chúng ta phải xác định ranh giới, sự khác biệt và mối quan hệ với nhau (Trang 29)
Hình 2.22: So sánh các chỉ số của đường bao chứa đối tượng. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.22 So sánh các chỉ số của đường bao chứa đối tượng (Trang 30)
Hình 2.23: Xác định vị trí đối tượng ở lớp fully connected. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.23 Xác định vị trí đối tượng ở lớp fully connected (Trang 30)
Hình 2.26: Fast RCNN. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.26 Fast RCNN (Trang 33)
Hình 2.28: Huấn luyện mạng RPN. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.28 Huấn luyện mạng RPN (Trang 35)
Hình 2.29: Sử dụng các cửa sổ trượt lên lớp tích chập. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.29 Sử dụng các cửa sổ trượt lên lớp tích chập (Trang 36)
Hình 2.30: Anchor tại điểm ảnh (320, 320). - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.30 Anchor tại điểm ảnh (320, 320) (Trang 38)
Hình 2.31: Vùng đề xuất. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 2.31 Vùng đề xuất (Trang 41)
Bảng 3.5: Thông số của mạng Faster RCN N- VGG16. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Bảng 3.5 Thông số của mạng Faster RCN N- VGG16 (Trang 57)
Hình 3.3: Mô hình mạng VGG16. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 3.3 Mô hình mạng VGG16 (Trang 57)
 5 chú thích cho mỗi hình ảnh. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
5 chú thích cho mỗi hình ảnh (Trang 58)
Hình 3.5: Các đối tượng chứa trong tập dữ liệu MS COCO. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 3.5 Các đối tượng chứa trong tập dữ liệu MS COCO (Trang 59)
Bảng 3.7: Số lượng ảnh và dung lượng của tập dữ liệu MS COCO. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Bảng 3.7 Số lượng ảnh và dung lượng của tập dữ liệu MS COCO (Trang 60)
Hình 4.1: Giao diện chương trình mô phỏng kỹ thuật CNN. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 4.1 Giao diện chương trình mô phỏng kỹ thuật CNN (Trang 61)
4.2 Kết quả mô phỏng - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
4.2 Kết quả mô phỏng (Trang 62)
Hình 4.2: Giao diện kết quả của chương trình mô phỏng kỹ thuật CNN. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Hình 4.2 Giao diện kết quả của chương trình mô phỏng kỹ thuật CNN (Trang 62)
Bảng 4.1: Bảng kết quả mô phỏng sử dụng kỹ thuật CNN. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Bảng 4.1 Bảng kết quả mô phỏng sử dụng kỹ thuật CNN (Trang 65)
Bảng 4.4: Đánh giá khả năng nhận dạng đối tượng. - Hiểu biết môi trường xung quanh dùng mạng nơron tích chập
Bảng 4.4 Đánh giá khả năng nhận dạng đối tượng. (Trang 72)

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w