مقاله شبکه عصبی یونت | U-Net 2015

شبکه‌های عصبی کانولوشنی و بازگشتی خیلی ساختار متفاوتی دارند و تقریبا ربطی به هم ندارن. از یه جا با هم یک چیزی رو مشترک وارد ساختارهاشون کردن اون هم مفهوم autoencoders هست. CNNs ها با U-net این و RNNs ها با Transformers از ساختار AutoEncoders بهره بردن.
درک ساختار U-Net به درک مفهوم AutoEncodrs خیلی کمک میکنه و توی این ویدیو به بهونه بررسی مقاله یونت میخواهیم با فرایند down/up sampling که توی ساختار encode/decoder ها استفاده میشه آشنا بشیم.
مقاله U-Net:
arxiv.org/abs/...
دسترسی به ویدیوهای سایر نتورکها:
Alex Net
• مقاله شبکه عصبی الکس ن...
ResNet
• مقاله شبکه عصبی رزنت |...
VGGNet
• دیپ لرنینگ | VGGNet یا...
GoogleNet
• دیپ لرنینگ | گوگل نت و...
EfficientNet
• دیپ لرنینگ | Efficient...
00:00 مقدمه ای به AutoEncoders و دلیل بررسی U-Net
02:20 بررسی مقاله U-Net تو گوگل اسکالر
03:03 انواع image segmentation
04:00 کاربردها و use-case های u-net
04:42 بررسی معماری شبکه یونت
18:00 مقاله reproducible چه ویژگی دارن؟
20:20 جزییات training و تابع هزینه
آدرس کانال‌های ارتباطی:
بلاگ مقالات به روز حوزه: ctdrs.ir/ds1111
وبسایت دپارتمان علم داده: cafetadris.com...
کانال تلگرام تخصصی علم داده: @dslanders
id تلگرام من: @rezashokrzad

[@alirezaahmadi5018]

so thanks, dear Reza. these types of videos are so helpful for master students and others that going to learn everything with papers. please continue more and more in this type, and I say again so thanks, you are an amazing teacher.

[@AmirhosseinAbdollahian-p8d]

درود بر شما و سپاسگزار از زحماتی که برای تهیه این ویدئو کشیدید.

[@pooyanzarif]

خیلی عالی بود. آفرین بر شما.

[@SaeidAhmadi-d6e]

ممنون❤

[@mslatifpour]

ممنون از شما. مثل همیشه عالی🌻

[@abolfazl9374]

سپاسگزارم از شما

[@LeilaAllahqoli]

ممنون، عالی بود

[@faridalaghmand4802]

عالی بود رضا جون

[@hoseinjafarabadi50]

مثل همیشه عالی، رضای عزیز، البته من بر خلاف بقیه دوستان ، علاقه زیادی به جزییات کدنویسی و ریاضیات پشتش دارم، خلاصه هر چه بیشتر تو عمق مقاله بریم بهتر😂

[@RezaShokrzad]

کدزنی رو بیشتر میکنیم حتما یه کمم میبریمش به سمت بحثهای به روز و پروداکشن محور چندتا مقاله مهم دیگه رو ببندیم، میتونه پروژه بعدی باشه

[@motahareh_rad]

در فرمولی که برای محاسبه سایز تصویر بعد از conv2d میگین اینجوری هست که سایز عکس منهی سایز کرنل + 1 ؟ اگه تصویر چهار در چهار داشتیم و کرنل دو در دو تصویر خروجی میشد سه در سه ؟

[@alirezaahmadi5018]

I am really glad to subscribed to your KZbin channel and joined your telegram channel.