Olympic Sports Image Classification tutorial , with TensorFlow & EfficientNetV2
mages
You can find link for the code in the blog : https://eranfeit.net/olympic-sports-image-classification-with-tensorflow-efficientnetv2/
Watch the full tutorial here : https://youtu.be/wQgGIsmGpwo
Enjoy
Eran
Classify any image in seconds using Python , EfficientNetB0 and TensorFlow.
You can find link for the code in the blog : https://eranfeit.net/how-to-classify-images-using-efficientnet-b0/
Link for the tutorial : https://youtu.be/lomMTiG9UZ4
Enjoy
Eran
#Python #ImageClassification #Efficientnet #tensorflow #EfficientnetB0
Когда несколько пикселей решают всё: One Pixel атака и способы защиты от неё
Удивительно, но факт: несколько изменений в изображении могут полностью поменять вывод нейросети, что ломает заложенную разработчиком логику. В данной статье мы не просто подсветим факт существования One Pixel атаки, но и комплексно разберём архитектурные факторы, которые влияют на устойчивость CV-систем к данному семейству атак.
https://habr.com/ru/articles/932934/
#one_pixel_attack #computer_vision #alexnet #resnet #efficientnet #inceptionv3 #visual_transformer
Использование моделей EfficientNet для классификации изображений
Искусственные нейронные сети (ИНС) — мощный инструмент в области компьютерного зрения, особенно в задачах классификации изображений. Эта область применения была одной из первых, для которой ИНС были разработаны. Например, перцептрон Розенблатта [1], созданный в 1957 году, является одним из самых ранних примеров ИНС, способной классифицировать изображения. Свёрточные нейронные сети (СНС) [2] стали особенно популярными благодаря их способности эффективно обрабатывать изображения. Они используют механизмы, подобные тем, которые используются человеческим мозгом для обнаружения форм и текстур, что делает их идеальными для задач классификации изображений. Однако выбор оптимальной архитектуры СНС может быть сложной задачей. Необходимо найти баланс между высокой точностью классификации и эффективным использованием ресурсов. Это включает в себя настройку глубины сети, размера фильтров и других параметров. В 2019 году команда исследователей из Google AI представила решение этой проблемы. Они разработали серию архитектур моделей под названием EfficientNet [3]. Эти модели отличаются высокой степенью эффективности и легко настраиваются. Они позволяют классифицировать изображения с высокой точностью, при этом потребляя минимальное количество ресурсов. EfficientNet стало значительным шагом вперед в развитии ИНС для классификации изображений и продолжает быть актуальным до сих пор.
