Deep Learning

7-Generative Adversarial Netwrok

مقدمه‌ای بر Generative Adversarial Networks (GANs) یا شبکه‌های مولد تخاصمی

شبکه‌های GAN حوزه‌ای مهیج و به سرعت در حال تغییر هستند که نوید مدل‌های مولد با قابلیت بالا را می‌دهند. برای مثال می‌توانند نمونه‌های واقعی در طیف وسیعی از مسائل تولید کنند، مانند تبدیل تصاویر تابستان به زمستان، تبدیل تصاویر…
Attention Mechanism in Deep Learning

مکانیزیم Attention در یادگیری عمیق

با پیچیده‌تر شدن مدل‌های یادگیری عمیق، نیاز به روش‌های موثر پردازش میزان زیادی داده، اهمیت فزاینده‌ای پیدا کرده است. یکی از این روش‎ها، مکانیزیم توجه است که به مدل امکانی می‌دهد تا در هنگام پیش بینی بر مرتبط‌ترین اطلاعات، تمرکز…
Convnet_feature_representaion

به تصویر کشیدن آن چیزی که Convnetها یاد می‌گیرند

بازنمایی ویژگی‌هایی که توسط convnetها آموخته می‌شوندتا حد زیادی قابل تجسم هستند به این دلیل که آنها بازنمایی مفاهیم بصری هستند.
Depthwise Separable Convolution

معرفی لایه‌ی Separable Convolution

هرکسی که نگاهی به معماری شبکه MobileNet بیندازد، با مفهوم separable convolution روبرو خواهد شد. اما این لایه چیست و چه تفاوتی با لایه‌ی کانولوشن معمولی دارد؟
معرفی انواع کانولوشن‌ها: Conv1D, Conv2D, Conv3D

معرفی انواع کانولوشن‌ها: Conv1D, Conv2D, Conv3D

شاید تا بحال تصاویر و تجسم سازی‌های زیادی از لایه‌های کانولوشنی با ابعاد مختلف دیده باشید و پس از خواندن یک مقاله‌ی کامل هنوز هم درک تصاویر برایتان مشکل بوده باشد. در این مقاله قصد داریم لایه‌های کانولوشنی با ابعاد…
Sparse Data

کار با داده‌های تنک (Sparse Data)

داده‌ی تنک یا Sparse Data داده‌ای است که تعداد زیادی مقادیر صفر دارد. داده‌ی تنک را نباید با داده‌ی از دست رفته یا missing data اشتباه گرفت زیرا داده‌ی تنک مقادیر خالی یا صفر را نشان می‌دهد در حالیکه داده‌ی…
CNN

کاربردهای دنیای واقعی شبکه‌های عصبی کانولوشنی CNN

شبکه‌های عصبی کانولوشنی (CNN) نوعی از الگوریتم‌های یادگیری عمیق هستند که در انواع مختلف مسائل دنیای واقعی کاربرد دارند. CNNها را می‌توان آموزش داد تا تصاویر را کلاسبندی کنند، اشیای یک تصویر را تشخیص دهند و حتی کلمه‌ی بعدی در…
دیتاست کوچک

آیا “Small Data” مسئله‌ی مهم بعدی در علم داده است؟

Andrew NG یکی از پیشگامان هوش مصنوعی پیش کرده است که دهه‌ی آینده شاهد هوش مصنوعی داده محور خواهد بود. اگر تنها 50 نمونه‌ داده‌ی خوش ساخت داشته باشیم، ممکن است دیگر به میلیون‌ها نمونه داده‌ی نویزی نیاز نداشته باشیم.
OpenAI's GPT-4

معرفی 5 سایت برای دسترسی یا استفاده رایگان از ChatGPT4 (GPT4)

اخیراً OpenAI با توسعه‌ی آخرین مدل زبانی خود GPT-4 بسیاری از تولید کنندگان محتوا را مشتاق آزمایش قابلیت‌های جدید هوش مصنوعی کرده است. با این حال GPT-4 در حال حاضر برای عموم در دسترس نیست و فقط برای مشترکینی که…
segment Anything

چطور از Segment Anything Model (SAM) استفاده کنیم؟

در این پست می‌خواهیم به قابلیت‌های مدل Segment Anything (SAM) بپردازیم. این مدل کارآمد و سریع را برای سگمنت بندی تصاویر بررسی می‌کنیم. با بیش از یک میلیارد ماسک روی یازده میلیون تصاویر دارای مجوز و احترام به حریم خصوصی،…
مدل تولید کپشن برای تصویر

مدل CNN-RNN برای تولید کپشن تصاویر

ما انسان ها به راحتی می توانیم توصیفی برای تصاویر تولید کنیم. اما ماشین چطور می تواند برای تصاویری که به عنوان ورودی دریافت می کند توصیف تولید کند؟ به لطف پیشرفت های حاصل در حوزه های بینایی ماشین و…
معرفی مدل Segment Anything (SAM): پیش به سوی اولین مدل پایه برای سگمنت بندی تصویر

معرفی مدل Segment Anything: اولین مدل پایه برای سگمنت‌بندی تصویر

سگمنت بندی (Segmentation) به معنی شناسایی پیکسل‌های تصویر متعلق به یک شی است و یکی از تسک‌های اصلی در بینایی ماشین است و در طیف گسترده‌ای از برنامه‌ها استفاده می‌شود از تحلیل تصاویر علمی گرفته تا ویرایش تصاویر. اما ایجاد…