#کورس #آموزش
دوره رایگان آموزش مبانی یادگیری عمیق توسط ماکروسافت
این دوره از 5 تیر 96 آغاز شده و طول این دوره 6 هفته است.
در این دوره با فریم ورک CNTK یا Microsoft Cognitive Toolkit آشنا خواهید شد.

Free EDX Course: " Deep Learning Explained "
Starts - Jun 27, 2017
Course Syllabus:
Week 1: Introduction to deep learning and a quick recap of machine learning concepts.
Week 2: Building a simple multi-class #classification model using logistic regression
Week 3: Detecting digits in hand-written digit image, starting by a simple end-to-end model, to a deep neural network
Week 4: Improving the hand-written digit #recognition with #convolutional network
Week 5: Building a model to forecast time data using a #recurrent network
Week 6: Building text data application using recurrent #LSTM (long short term memory) units

🔗 https://www.edx.org/course/deep-learning-explained-microsoft-dat236x

#course #Microsoft #edx #deep_learning #CNTK

فیلمهای ترم بهار 2017 کورس شبکه‌های عصبی کانولوشنالی و یادگیری عمیق در بینایی ماشین دانشگاه #استنفورد

Lecture Collection | Convolutional Neural Networks for Visual Recognition (Spring 2017)

https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv

مرتبط با: https://t.me/cvision/164

#course #toutorial #stanford #cnn #Convolutional #Visual_Recognition

Feature Visualization
How neural networks build up their understanding of images

https://distill.pub/2017/feature-visualization/

#CNN #convolutional_neutral_network
#Visualization

What is a CNN’s receptive field?

https://www.quora.com/What-is-a-CNN%E2%80%99s-receptive-field
#receptive_field #convolutional_neutral_network

#مقاله
در برخی از ویژگی های مربوط به چهره، دیتاست بزرگ برای آموزش کامل شبکه های عمیق در دسترس نیست، با توجه به شباهت ویژگیها در تسکهای مرتبط با چهره، این مقاله یک شبکه واحد برای آموزش تمام این تسکها در نظر گرفته و در نتیجه با افزایش داده حاصل از ترکیب دیتاست های مختلف در این حوزه شبکه در بسیاری از موارد به کارایی بالاتر از مدلهای مشابه شبکه تک کاربرده دست یافته است. بدین صورت لایه های پایینتر شبکه به خوبی برای استخراج ویژگیهای چهره آموزش میبینند.
[مرتبط با: https://t.me/cvision/446]


An All-In-One Convolutional Neural Network for Face Analysis
http://ieeexplore.ieee.org/abstract/document/7961718/

در این مقاله تسک های مرتبط با چهره انسان را به دو دسته‌ی مستقل از سوژه و مرتبط با سوژه تقسیم کرده است.

1) وظایف مستقل، شامل تشخیص چهره، نقطه های کلیدی چهره، محلی سازی، پیش بینی لبخند،
2) وظایف وابسته، شامل برآورد سن، پیش بینی جنسیت و بازشناسی چهره.
در این شبکه وظایف مستقل از سوژه از لایه های پایین تر این شبکه کانولوشنال ورودی گرفته و وظایف وابسته به سوژه از آخرین لایه شبکه ورودی خود را برای محاسبه خروجی و تابع هزینه هر تسک استفاده کرده اند.

#multitask_learning #face #convolutional_neutral_network #deep_learning

#مقاله #سورس_کد

Finding Tiny Faces (CVPR 2017)

pic: https://github.com/cydonia999/Tiny_Faces_in_Tensorflow/raw/master/images/selfie.jpg

🕐Runtime efficiency:
Resnet101-based detector runs at 1.4FPS on
1080p resolution and 3.1FPS on 720p resolution.

🔗abstract:
https://arxiv.org/abs/1612.04402

🔗Paper:
https://arxiv.org/pdf/1612.04402

🔗Project Page:
https://www.cs.cmu.edu/~peiyunh/tiny/

🔗codes:
⚙️#Matlab / #matconvnet implementation :
https://github.com/peiyunh/tiny
⚙️#Python / #Tensorflow implementation :
https://github.com/cydonia999/Tiny_Faces_in_Tensorflow


مرتبط با مقاله mtcnn
https://t.me/cvision/249

#face #face_detection
#deep_learning #cnn #convolutional_neutral_network

#مقاله

این مقاله در حال حاضر بهترین الگوریتم تشخیص چهره در چالش WIDER است.

PyramidBox: A Context-assisted Single Shot Face Detector

https://arxiv.org/abs/1803.07737

#PyramidBox achieves superior performance among the state-of-the-art on the two common face detection benchmarks, #FDDB and #WIDER FACE.

#face #face_detection #deep_learning #cnn #convolutional_neutral_network

#خبر

فیس بوک با میلیاردها تصویر آپلود شده در اینستاگرام یک شبکه کانولوشنالی را آموزش داد!

فیس بوک اخیرا با استفاده از 3.5 میلیارد تصویر اینستاگرام، در 17000 هشتگ مختلف یک شبکه عصبی کانولوشنالی را آموزش داده است.
این شبکه بر روی داده های تست چالش ImageNet به دقت 85.4 دست یافته است، که بهترین مدل قبل از این به دقت 83.1 دست یافته بود!

نکته قابل تامل نویزی بودن هشتگهای اینستاگرام در مقابل مجموعه داده ی بادقت برچسب زده شده ی آموزشی imagenet است.

به عقیده فیس بوک:

"As training data sets get larger, the need for weakly supervised — and, in the longer term, unsupervised — learning will become increasingly vital," said Facebook. "Understanding how to offset the disadvantages of noisier, less curated labels is critical to building and using larger-scale training sets."


https://www.engadget.com/2018/05/02/facebook-trained-image-recognition-ai-instagram-pics/

https://www.wired.com/story/your-instagram-dogs-and-cats-are-training-facebooks-ai/

#classification #image_recognition
#convolutional_neutral_network #cnn
#deep_learning #facebook #imagenet

#آموزش + #سورس_کد
Deep Learning applied to Follow-Me in robotics
[pic: https://bit.ly/2KlANfy ]
“Follow Me” is a field in robotics to identify and track a target in the simulation.

🔗blog post:
https://towardsdatascience.com/drone-follow-me-ed0d15e62498

🖇source:
https://github.com/BrunoEduardoCSantos/Follow-Me

#convolutional #neural-network #robotics #segmentation #tensorflow #keras-tensorflow

#سورس_کد
MTCNN C++ implementation with NVIDIA TensorRT Inference accelerator SDK
https://github.com/PKUZHOU/MTCNN_TensorRT

This project can run Pnet and Rnet, the speed is very fast. Just using cmake to build this project

مرتبط با https://t.me/cvision/249

#face #face_detection #face_alignment #MTCNN
#deep_learning #cnn #convolutional_neutral_network
#tensortRT