#آموزش
آموزش شبکه ی مولد تخاصمی (GAN) برای تبدیل تصویر با روش های pix2pix و CycleGAN و پیاده سازی

https://www.aparat.com/v/S9bcT?c

جلسه آخر مباحث ویژه 2 با موضوع "یادگیری ژرف پیشرفته" مقطع کارشناسی دانشگاه تربیت دبیر شهید رجایی
دوشنبه، ۳ دی ۱۳۹۷



اسلاید:
http://fall97.class.vision/slides/17.pdf

کد (نوت بوک پایتون تنسرفلو - کراس) :
http://nbviewer.jupyter.org/github/alireza-akhavan/class.vision/blob/master/57-gan-pix2pix_tensorflow_eager.ipynb


#GAN #pix2pix #cyclegan #keras #tensorflow
#Image_to_Image_Translation

سلام. لطفا اگر مقدور است url پست های خود را به انگلیس با معنی تغیر دهید.

#سورس_کد

[pic: https://www.tgoop.com/cvision/870]

Image-to-Image Translation in #Tensorflow_js

Fast image-to-image translation in the #browser.
With 3 new trained models .
+ processed dataset of 1000 images for edges2cats translation.

Demo: https://zaidalyafeai.github.io/pix2pix/cats.html
Code(Tensorflow.js): https://github.com/zaidalyafeai/zaidalyafeai.github.io/tree/master/pix2pix

مرتبط با:
https://www.tgoop.com/cvision/863
https://www.tgoop.com/cvision/171
https://www.tgoop.com/cvision/170

#conditional #adversarial #GAN
#pix2pix

#آموزش
پایتونی کد بزنید، اما گراف تنسرفلو داشته باشید!

AutoGraph converts Python into TensorFlow graphs
https://medium.com/tensorflow/autograph-converts-python-into-tensorflow-graphs-b2a871f87ec7

مرتبط با:
https://www.tgoop.com/cvision/848

#tensorflow #keras #autograph

پست مربوط به همان decorator ی بود که در کدهای جلسه آخر داشتیم

@tf.contrib.eager.defun



https://nbviewer.jupyter.org/github/alireza-akhavan/class.vision/blob/master/57-gan-pix2pix_tensorflow_eager.ipynb

کلاسیک

جدید

موقعیت سه بعدی صفحه.

دوستانی که برای پروژه ها با اسکن صفحاتی که خودشون طراحی و پرینت کردند کار میکنند؛ شدیدا توصیه میشه پست زیر را ببینند:


Aruco:

https://docs.opencv.org/4.0.1/d5/dae/tutorial_aruco_detection.html

#آموزش

Recognizing Speech Commands Using Recurrent Neural Networks with Attention

https://towardsdatascience.com/recognizing-speech-commands-using-recurrent-neural-networks-with-attention-c2b2ba17c837

سورس کد:

A Keras implementation of neural attention model for speech command recognition
https://github.com/douglas125/SpeechCmdRecognition

مرتبط با:

سورس و مقاله wav2letter++ یک روش end2end
https://www.tgoop.com/cvision/850
جلسه مربوط به Attention در RNNها:
https://www.aparat.com/v/SPZzH
جلسه مربوط به پردازش صوت در RNNها:
https://www.aparat.com/v/cEKal

#attention #rnn #lstm #keras #Speech

https://www.kaggle.com/c/LANL-Earthquake-Prediction?utm_medium=email&utm_source=intercom&utm_campaign=comp-launch-lanl

چالش جدید پیش بینی زمین لرزه

احتمالا به این مشکل برخوردید بعضی وقتا عکسو که میخونید تک کانالست! بعضی وقت ها int هستش! برخی مواقع uint8 و ...
این باعث میشه برای فرمت های مختلف با توابع مختلف که میخونید به دردسر بخورید.
تابع imread زیر خیلی میتونه کمکتون کنه:

import skimage
import imageio


def _to_rgb(img):
    w, h = img.shape
    ret = np.empty((w, h, 3), dtype=np.uint8)
    ret[:, :, 0] = ret[:, :, 1] = ret[:, :, 2] = img
    return ret

def imread(image_path):
content = imageio.imread(os.path.expanduser(image_path))
if content.ndim == 2:
_to_rgb(content)
content = skimage.img_as_ubyte(content)
return content

#آموزش

چگونه در کراس مشکل دیتای imbalance را حل کنیم؟

منبع: کتاب Deep Learning for Computer Vision with Python
(Starter Bundle)

بخش 22.2 Training the Smile CNN

@cvision

#keras #imbalance

معیار AUC را در مباحث ویژه 1 در مبحث تشخیص چهره دیدیم.
این معیار برای مسائل باینری مناسب است ...

#خبر #آموزش #کورس

نسخه ی 3 کورس fast.ai جرمی هاوارد چند دقیقه پیش منتشر شد و اکنون در دسترس است.
اگر ویدیوهای قبلی این مدرس را دیده باشید حتما میدانید در هر سری آموزشی تکنیک های ناب و جالبی را که از تجربه شرکت در چالش های کگل به دست آورده و باعث کسب رتبه های اول شده هم به اشتراک میگذارد. با نگاهی گذرا به کورس امسال متوجه می‌شوید که مطالب نسبت به دو نسخه قبلی به کلی به روز شده و تغییر کرده اند. شدیدا توصیه میکنم مطالبشو از دست ندید👌

Practical Deep Learning for Coders, 2019 edition, is now available. With a shiny new video player with searchable transcripts. This course is 100% new material, including some new techniques and results never previously published.


Lesson 1: Image classification
Lesson 2: Data cleaning and production; SGD from scratch
Lesson 3: Data blocks; Multi-label classification; Segmentation
Lesson 4: NLP; Tabular data; Collaborative filtering; Embeddings
Lesson 5: Back propagation; Accelerated SGD; Neural net from scratch
Lesson 6: Regularization; Convolutions; Data ethics
Lesson 7: Resnets from scratch; U-net; Generative (adversarial) networks


بلاگ پست خبر:
https://www.fast.ai/2019/01/24/course-v3/

لینک به کورس - مطالب و ویدیوها و کد:
https://course.fast.ai/

GAN — CycleGAN (Playing magic with pictures)
https://medium.com/@jonathan_hui/gan-cyclegan-6a50e7600d7

استفاده از image captioning برای پیدا کردن تصاویر مشابه در فضای بردار ویژگی fastText

Facebook BISON: An Alternative Evaluation Task for Visual-Grounding Systems
https://medium.com/syncedreview/facebook-bison-an-alternative-evaluation-task-for-visual-grounding-systems-857bb5366487

#مقاله

The Evolved Transformer
The Evolved Transformer: They perform architecture search on Transformer's stackable cells for seq2seq tasks. “A much smaller, mobile-friendly, Evolved Transformer with only ~7M parameters outperforms the original Transformer by 0.7 BLEU on WMT14 EN-DE.”
https://arxiv.org/abs/1901.11117

The Evolved Transformer is twice as efficient as the Transformer in FLOPS without loss in quality.

#seq2seq

مدل جدید seq2seq که دو ورز پیش منتشر شده با اینکه 2 برابر سریعتر است افت کارایی نداشته!