سلام، به خاطر کندی اینترنت برای سوال ج سری ششم، تا آخرین روز مهلت با تاخیر، هیچ تاخیری برای قسمت ج سری 6 نخواهید خورد.
قسمت الف و ب الزامی به گوگل کولب ندارد. و طبق قوانین از قبل اعلام شده عمل خواهد شد.

تبریک ویژه به گروه آقای خزایی، و آقای قربانی بابت کسب رتبه دوم در مسابقات رجاپینگ، این دوستان در بخش پردازش ویدیو شرکت کرده بودند و پروژه ایشان جست و جوی بازیگران در فریمهای ویدیو بوده است.🎁👏

#خبر

برنده ی این هفته kaggle با چالش شناسایی آسیب های شبکیه چشم از روی تصاویر پزشکی از Transfer learning با معماری VGG16 استفاده کرده است.

https://goo.gl/ji5a3o

#transfer_learning

How to do Modern Face Recognition with Deep Learning
pic: http://bit.ly/2qMmWce

🔗 http://www.iamwire.com/2017/03/modern-face-recognition-deep-learning/149697

#Face_Recognition #Deep_Learning

مدل VGG16 آموزش داده شده با 1.8 میلیون تصویر دیتاست places

VGG16-places365 model for scene classification, written in Keras 2.0

https://github.com/GKalliatakis/Keras-VGG16-places365

You have just found the #Keras (2.0) implementation of the pre-trained VGG 16 convolutional-layer #CNN model on Places365-Standard (~1.8 million images from 365 scene categories).

#pre_train #keras #places

سلام
تمرین سوم سری ششم به دلیل مشکلات اینترنت و فیلترینگ و تحریم تا این لحظه تاخیر نخورده و از الان تا یکشنبه، 30 اردیبهشت 1397، 3:00 عصر با تاخیر میتوانید آپلود کنید

#خبر
تمارین سری ۶ نمره دهی شد .
به این شرح :
تمرین آ)

کسر 5 نمره برای عدم تناسب batch_size و validation_step و step_per_epoch با تعداد data.

کسر 5 نمره برای عدم ترسیم نمودار.

کسر 5 نمره برای هر یک روز تاخیر.

تمرین ب )

کسر 5 نمره استفاده اشتباه از binary_crossentropy به جای categorical_crossentropy برای loss ( با توجه به 3 کلاسه بودن)

کسر 5 نمره برای عدم تناسب batch_size و validation_step و step_per_epoch با تعداد data.

کسر 5 نمره برای عدم قید class_mode='categorical'

کسر 5 نمره برای عدم ترسیم نمودار.

کسر 5 نمره برای استفاده از 1 نورون به جای 3 نورون در لایه اخر .

کسز 5 نمره برای استفاده از sigmoid به جای softmax در لایه اخر .

کسر 5 نمره برای هر یک روز تاخیر.

تمرین ج)
از هیچ فرد نمره ای کم نشده است.

برای همه ی دوستان دلایل کسر نمره نوشته شد

سایت با منابع 4 جلسه قبل به روز شد
http://blog.class.vision/winter-96-97-syllabus/

یک مقاله سال 2018 پیرامون face,
میتونید با توجه به مطالب جلسه قبل، جمله هایلایت شده را تفسیر کنید که منظورش چیه!؟

تمرین سری 7 و تمرین گام 1 جمع آوری مجموعه داده روی سایت قرار گرفت:

http://blog.class.vision/winter-96-97-syllabus/

توضیحات تکمیلی در مورد پروژه:

لطفا تمام بررسی های انجام شده برای پروژه ی خود را در قالب مستندات و ارائه برای روز تحویل آماده کنید.

برای مثال آزمایشهایی که با جواب نا مطلوب و دقت تست یا dev پایین هم بوده نیز در گزارش خود بگنجانید تا مشخص باشد چه مراحلی را برای رسیدن به محصول نهایی طی کرده اید.

برای تکمیل مباحث کلاس در مورد transfer learning.
خوبه این بلاگ پست را بخوانید:

https://www.pyimagesearch.com/2018/04/16/keras-and-convolutional-neural-networks-cnns/

#تمرین سری 7
سایت برای آپلود تمرین سری 7 باز شد.
مهلت : جمعه 4 خرداد - ساعت 11:55 عصر
زمان با تاخیر: 8 خرداد - ساعت 11:55 عصر

مرتبط با مبحث این هفته:


https://towardsdatascience.com/how-i-implemented-iphone-xs-faceid-using-deep-learning-in-python-d5dbaa128e1d

خواندن بارکد و QR Code با ZBar در OpenCV

https://www.pyimagesearch.com/2018/05/21/an-opencv-barcode-and-qr-code-scanner-with-zbar/

سلام،
طی جلسات باقیمانده، و روز تحویل پروژه و امتحان، از برخی از بزرگواران به صورت تصادفی از تمارینشان سوالاتی پرسیده خواهد شد.
لطفا دوستان زیر امروز تمارین سری 6 خود را در لپ تاپ خود آماده کنند، سوالات مختصری قبل یا بعد کلاس از خدمتشان خواهم پرسید.

94471030
94991046
94471040

با تشکر

سلام،
با توجه به ابن که دو جلسه اخیر مبحث کلاس پیرامون تطبیق و تشخیص چهره بوده،
امروز 15 دقیقه اول را با ارائه پروژه آقای خزائی و قربانی پیرامون پروژه ی مرتبطی که برای مسابقه رجاپبنگ انجام دادند شروع خواهیم کرد، پس از آن به سلسله مراتب بک پروژه کامل تطبیق یا تشخیص چهره میپردازیم و دو روش face detection را بررسی خواهیم کرد.

چالش جدید دیگر از سایت https://www.kaggle.com
🌹انتخاب به عنوان کار تحقیقاتی جدید
🌿 انتخاب عنوان برای پایان نامه برای دوستان و دانشجویان ارشد عزیز.
💭برای بچه هایی که دنبال چالش و دنبال جایزه خوب
YouTube-8M Video Understanding Competition Launch: Create a Constrained-Size Model to Predict Video Labels

حامی اصلی این رقابت
Google AI
..🌹🌹🌹🌿🌿🌿🌹💭🌿
We've just launched the YouTube-8M Video Understanding Challenge! Here are the competition details. Click the button below if you're interested in competing, or digging deeper into the specifics.

Competition Description:
This is the second Kaggle competition based on the YouTube 8M dataset, a large-scale video dataset that consists of millions of YouTube video features and associated labels from a diverse vocabulary of 3,700+ visual entities.

This year, the competition is focused on learning video representation under budget constraints. You’re challenge is to produce the best compact video classification model under 1GB.

YouTube

Host:
This competition is being hosted by Google AI (previously known as Google Research) as a part of the European Conference on Computer Vision (ECCV) 2018 selected workshop session.

Total prizes:
$25,000 – The 5 top-performing teams (on final leaderboard based on private test data) will receive $5,000 per team for travel award to attend the ECCV 2018 Conference.

Next important deadline:
July 30, 2018 - Entry deadline. You must accept the competition rules before this date in order to compete.

Join the competition
Good luck,
The Kaggle Team

منبع :
https://www.kaggle.com/c/youtube8m-2018?utm_medium=email&utm_source=intercom&utm_campaign=youtube+competition+2018

با کانال
https://t.me/Machinelearning_Kartal/1361


همراه باشید

سلام
تمرین سری 7 اختیاری نیست.
به دلیل ابهام پیش آمده مهلت تا چهارشنبه شب تمدید شد.

تمرین سری 7 علاوه بر نمره تمرین در صورت کیفیت شامل نمره امتیازی هم هست.
لطفا از اجرای کدتان هم فیلم 30 ثانیه ای هم درست کنید