Быстрый R-CNN - Объяснено!

В этом видео мы рассмотрим сеть Fast RCNN. Что это такое? Почему она лучше оригинальной RCNN? Как мы обучаем сеть и делаем выводы для обнаружения объектов? ОБО МНЕ ⭕ Подписаться: https://www.youtube.com/c/CodeEmporiu... 📚 Блог на Medium:   / dataemporium   💻 Github: https://github.com/ajhalthor 👔 LinkedIn:   / ajay-halthor-477974bb   РЕСУРСЫ [1 📚] Слайды, использованные в видео: https://link.excalidraw.com/p/readonl... [2 📚] Основная статья видео: https://arxiv.org/pdf/1409.1556 [3 📚] Код для сети VGG: https://github.com/ajhalthor/computer... [4 📚] Рейтинг моделей соревнований ILSVRC Image Net в 2014 году: https://image-net.org/challenges/LSVR... [1 📚] Основная статья: https://arxiv.org/pdf/1504.08083 [2 📚] Слайды, использованные в видео: https://link.excalidraw.com/p/readonl... [3 📚] Схемы архитектуры VGG и Fast R-CNN. Я также предоставляю исходные файлы drawio, которые вы можете загрузить на [draw.io](http://draw.io) для подключения и работы: https://github.com/ajhalthor/computer... [4 📚] Сглаженные потери L1, используемые для вычисления потери локализации: https://docs.pytorch.org/docs/stable/... [5 📚] Видео, объясняющее исходную R-CNN. Рекомендуется посмотреть перед этим видео для более глубокого понимания контекста:    • R-CNN - Explained!   [6 📚] Статья, в которой представлено пространственное пирамидальное объединение. Это полезно для решения проблем масштабной инвариантности в быстрых R-CNN. Я не стал подробно останавливаться на этом в видео, чтобы избежать путаницы: https://arxiv.org/pdf/1406.4729 ПЛЕЙЛИСТЫ С МОЕГО КАНАЛА ⭕ Обучение с подкреплением:    • Reinforcement Learning 101   Обработка естественного языка:    • Natural Language Processing 101   ⭕ Трансформеры с нуля:    • Natural Language Processing 101   ⭕ ChatGPT Плейлист:    • ChatGPT   ⭕ Свёрточные нейронные сети:    • Convolution Neural Networks   ⭕ Математика, которую вы должны знать:    • The Math You Should Know   ⭕ Теория вероятностей для машинного обучения:    • Probability Theory for Machine Learning   ⭕ Кодирование машинного обучения:    • Code Machine Learning   КУРСЫ МАТЕМАТИКИ (7-дневный бесплатный пробный период) 📕 Математика для машинного обучения: https://imp.i384100.net/MathML 📕 Математический анализ: https://imp.i384100.net/Calculus 📕 Статистика для науки о данных: https://imp.i384100.net/AdvancedStati... 📕 Байесовская статистика: https://imp.i384100.net/BayesianStati... 📕 Линейная алгебра: https://imp.i384100.net/LinearAlgebra 📕 Теория вероятностей: https://imp.i384100.net/Probability ДРУГИЕ КУРСЫ ПО ТЕМЕ (7-дневный бесплатный пробный период) (пробная версия) 📕 ⭐ Специализация по глубокому обучению: https://imp.i384100.net/Deep-Learning 📕 Python для всех: https://imp.i384100.net/python 📕 Курс MLOps: https://imp.i384100.net/MLOps 📕 Обработка естественного языка (NLP): https://imp.i384100.net/NLP 📕 Машинное обучение в производстве: https://imp.i384100.net/MLProduction 📕 Специализация по науке о данных: https://imp.i384100.net/DataScience 📕 Tensorflow: https://imp.i384100.net/Tensorflow ГЛАВЫ 00:00 Что такое R-CNN? 02:40 Что не так с R-CNN? 06:17 Структура быстрой R-CNN 11:42 Объяснение объединения ROI 14:27 Обучение быстрой R-CNN 28:31 Вывод на основе быстрой R-CNN 31:22 Как быстрая R-CNN решила каждую задачу R-CNN 33:00 Контрольная работа 34:00 Подведение итогов