021 Классификация изображений. Часть 14. RegNet (2020)
Интересное исследование провели авторы. Мало того, что они поэтапно сокращали пространство поиска, так ещё проделанные эксперименты должны быть очень полезны для научного сообщества. Например, раньше считали, что чем глубже этап (stage) в нейронной сети, тем лучше. Но авторы показали, что для их сети лучше всего работали модели у которых глубина была 20 блоков.
В PyTorch есть порядка 15 моделей семейства RegNet. Посмотрев видео, вы сможете точно понять какая вам нужна модель и для каких целей её можно использовать. В статье есть и математика и статистика. Но в видео я постарался соблюсти баланс. В какую-то глубокую математику я не стал углубляться, но кое что постарался объяснить. Здесь главной задачей было показать как авторы вносили ограничения в пространства поиска.
В конце видео обучим лучшую модель на датасете Арма и проанализируем результаты.
Таймкоды:
00:00 | Введение
01:44 | Знакомимся с авторами
02:38 | Вводная в RegNet
04:31 | Пространство поиска, пространство дизайна
05:49 | Инструменты анализа качества проектирования пространств дизайна
09:59 | Знакомимся с пространством AnyNet
12:35 | Смысл BottleNeck коэффициента
13:30 | Продолжаем знакомиться с пространством AnyNet
15:16 | Улучшаем пространство AnyNet
19:15 | Квантование и пространство RegNet
26:38 | Полученные результаты при использовании модели RegNet
28:42 | Обучаем модель RegNet_y_16gf и тестируем
31:21 | Анализируем предсказания
34:00 | Заключение
Видео 021 Классификация изображений. Часть 14. RegNet (2020) автора Мотькин ИИ
Видео 021 Классификация изображений. Часть 14. RegNet (2020) автора Мотькин ИИ
Показать
Похожие видео
Архив - Забрюшинные ГИС опухоли. Фридман М.ХСкрининг и ранняя диагностика рака предстательной железы. Рева С.А.016 Классификация изображений. Часть 9. ShuffleNet (2018)001 HSV. Сегментация изображения на основе HSV. С практическим уклоном.Опухоли печени. Современные методы диагностики и лечения. д.м.н. Захаренко А.А.Скрининг и ранняя диагностика меланомы и рака кожи. Полежаев Д.А.Рак прямой кишки. Современные методы диагностики и лечения. д.м.н. Захаренко А.А.023 Классификация изображений. Часть 16. EfficientNet v2 (2021)017 Классификация изображений. Часть 10. MobileNet v2 (2019)100. Segment Anything Model 2. Обзор возможностей.Радиотерапия в практике врача- онколога. Бондаренко А.В024 Классификация изображений. Часть 17. Swin Transformer (2021)014 Классификация изображений. Часть 7. Wide ResNet (2017)013 Классификация изображений. Часть 6. ResNeXt (2017)Скрининг и ранняя диагностика рака молочной железы. Пасекова Д.С.Место лучевой диагностики в онкологических скрининговых программах. Белозерцева А.В.Архив - Первично-множественный рак. Карасева Н.АJetson Orin NX. Что за зверь? Испытаем на Yolo v8 и сравним с десктопными видеокартами.Рак поджелудочной железы. д.м.н. Захаренко А.А.Профилактика злокачественных новообразований. Полежаев Д.А.