Andere Kunden interessierten sich auch für
![Avanços na tecnologia de segmentação de imagens]( "Avanços na tecnologia de segmentação de imagens")
Avanços na tecnologia de segmentação de imagens29,99 €![Classificação de Imagens de Patologia do Tórax Utilizando Técnicas de Aprendizagem Profunda]( "Classificação de Imagens de Patologia do Tórax Utilizando Técnicas de Aprendizagem Profunda")
Classificação de Imagens de Patologia do Tórax Utilizando Técnicas de Aprendizagem Profunda18,99 €![Segmentação de imagens cerebrais usando agrupamento K-Means na transformação Hue]( "Segmentação de imagens cerebrais usando agrupamento K-Means na transformação Hue")
Segmentação de imagens cerebrais usando agrupamento K-Means na transformação Hue29,99 €![Medicina de precisão: Aplicações de IA na segmentação de tumores cerebrais]( "Medicina de precisão: Aplicações de IA na segmentação de tumores cerebrais")
Medicina de precisão: Aplicações de IA na segmentação de tumores cerebrais29,99 €![Extração de corpos d¿água baseada em aprendizado de máquina a partir de imagens de satélite]( "Extração de corpos d¿água baseada em aprendizado de máquina a partir de imagens de satélite")
Extração de corpos d¿água baseada em aprendizado de máquina a partir de imagens de satélite29,99 €![Casamento de imagens e localização geográfica de VANTs]( "Casamento de imagens e localização geográfica de VANTs")
Casamento de imagens e localização geográfica de VANTs32,99 €![Workshop TensorFlow: Aprendizagem profunda em ação]( "Workshop TensorFlow: Aprendizagem profunda em ação")
Workshop TensorFlow: Aprendizagem profunda em ação29,99 €
Este livro centra-se em técnicas de aprendizagem profunda na aplicação da segmentação semântica de imagens. Seu objetivo é entender claramente o desempenho das Redes Neurais em diferentes contextos, treinando-as para aprender com diferentes imagens, usando uma abordagem baseada no aprendizado profundo.O projeto proposto é construído em torno de uma arquitetura de rede neural convolucional VGG-16, a fim de detectar as diferentes partes e elementos em uma imagem, aplicando diferentes camadas, usadas para reconhecer o objeto na imagem final. Este trabalho realiza uma avaliação comparativa da primeira rede pré-treinada com a rede treinada, através de várias repetições e tentativas e diferentes mudanças em sua estrutura.Os resultados experimentais indicam como o número de vezes que uma imagem foi vista durante o treinamento varia entre os diferentes modelos.Estes resultados experimentais também demonstram que os métodos de segmentação podem ser muito úteis uma vez treinados os modelos.