Tag: computer vision

Analytics | Machine Learning
Junhyuk Jeong 0
컴퓨터가 사물을 보는 방법, CNN 이론 - 2편

지난 포스팅에서 컴퓨터 비전의 과거와 CNN(Convolution Neural Network)의 구성 요소, 퍼셉트론, 합성곱층에 대해 알아보았습니다. 합성곱층과 함께 풀링, 활성화 함수, 드랍아웃 등 다양한 요소를 활용한다면 모델의 성능을 더욱 향상시킬 수 있습니다. 오늘 포스팅에서는 CNN에서 사용될 수 있는 다양한 기법들과 함께 CNN의 학습이 어떤 방식으로 이루어지는지 살펴보도록 하겠습니다. 1. CNN의 구성요소 <그림

Analytics | Artificial Intelligence | Machine Learning
Junhyuk Jeong 0
컴퓨터가 사물을 보는 방법, CNN 이론 - 1편

컴퓨터가 인간보다 잘 하는 몇 가지 분야가 있는데, 그 중 하나가 바로 이미지 인식입니다. 2012년 알렉스넷이 개발된 이후 컴퓨터 비전 분야는 급속도로 성장하여 우리 일상에 자연스럽게 스며들었습니다. 오늘 포스팅에서는 컴퓨터가 이미지를 어떻게 인식할 수 있는지 이론을 중심으로 살펴보도록 하겠습니다. 1. 컴퓨터 비전의 과거 우리가 모니터를 통해 바라보는 이미지의 구조부터 알아보겠습니다.

Advanced Analytics
Susan Kahler 0
Video: Image embedding using deep learning with Python (DLPy) and SAS Viya

An embedding model is a way to reduce the dimensionality of input data, such as images. Consider this to be a type of data preparation applied to image analysis. When an embedding model is used, input images are converted into low-dimensional vectors that can be more easily used by other computer vision tasks. The key to good embedding is to train the model so that similar images are converted to similar vectors.

Artificial Intelligence | Machine Learning
Mark Frankish 0
No more ‘leaves on the line': Is computer vision the answer for rail and transport networks?

Most organisations that must maintain a physical network have similar challenges in keeping their networks safe and operational. Whether you run an energy distribution network, a telecommunications network, or a road, rail or canal network, you need to keep it clear of obstructions. And one of the biggest culprits tends

Analytics | Machine Learning
David Tareen 0
Malignant or benign? Cancer detection with SAS Viya and NVIDIA GPUs

According to the World Cancer Research Fund, Breast cancer is one of the most common cancers worldwide, with 12.3% of new cancer patients in 2018 suffering from breast cancer. Early detection can significantly improve treatment value, however, the interpretation of cancer images heavily depends on the experience of doctors and technicians. The

1 2