|
Zbekiston respublikasi raqamlitexnologiyalar vazirligi muhammad al-xorazmiy nomidagi
|
| bet | 5/8 | | Sana | 16.05.2024 | | Hajmi | 169,75 Kb. | | #236853 |
Bog'liq MO\' 5-mustaqil ishRasmni kattalashtirish - barcha tasvirlar kvadratga o'rnatilganda, har bir tasvirni kengaytira olasiz. Chuqur o'rganish kutubxonalarida funksiyalar sifatida mavjud bo'lgan ko'plab kengaytirish va kamaytirish usullari mavjud.
Kirish ma'lumotlarining o'rtacha standart og'ishi - tasvirlarning asosiy tuzilishi haqida ma'lumot olish uchun barcha o'quv misollarida har bir piksel uchun o’rtacha qiymatlarni hisoblash orqali "o'rtacha rasm" ni hosil qilishingiz mumkin.
Tasvirning kirish ma'lumotlarini normallashtirish - barcha kirish parametrlari (bu holda piksellar) ma'lumotlarning bir xil taqsimlanishiga ega bo'lishini ta'minlaydi. Bu tarmoqni o'rganishda yaqinlikni tezlashtiradi. Har bir pikseldan o'rtacha qiymatni olib tashlash va natijani standart og'ishga bo'lish orqali ma'lumotlarni normallashtirishni amalga oshirishingiz mumkin.
Hajmni kamaytirish - RGB kanallarini kulrang rangli kanalga aylantirishga qaror qilishingiz mumkin. Agar siz ushbu o'lchovga nisbatan neyron tarmoqni invariant qilishni istasangiz yoki hisob-kitoblar nuqtai nazaridan kamroq intensiv o'qishni xohlasangiz, boshqa o'lchovlarni kamaytirishingiz mumkin.
2.3. Tasvirni aniqlash uchun an'anaviy neyron tarmoqlarining cheklovlari
An'anaviy neyron tarmoqlari quyida ko'rsatilganidek, to'liq bog'langan arxitekturadan foydalanadi, bu erda bir qatlamdagi har bir neyron keyingi qatlamning barcha neyronlari bilan bog'lanadi (17.6-rasm).
17.6-rasm. Bir qatlamdagi har bir neyron keyingi qatlamning barcha neyronlari bilan bog'lanish.
To'liq bog'langan arxitektura tasvir ma'lumotlarini qayta ishlashda samarasiz hisoblanadi:
yuzlab piksel va uchta kanalli o'rtacha tasvir uchun an'anaviy neyron tarmoq millionlab parametrlarni ishlab chiqaradi, bu esa qayta o'qishga olib kelishi mumkin;
model juda katta hisoblash resurslarini talab qiladi;
natijalarni talqin qilish, disk raskadrovka qilish va uning samaradorligini oshirish uchun modelni sozlash qiyin bo'lishi mumkin.
|
| |
