CV-projects
Описание проектов:
- bdz4_sber.ipynb
Нужно реализовать U-Net в файле model.py для задачи семантической сегментации: 0 - не автомобиль, 1 - автомобиль. Модель должна принимать четырёхмерные тензоры картинок (нулевая размерность — батч) и предсказывать трёхмерные тензоры (нулевая размерность — батч) из логарифмов вероятностей (логитов) каждого пикселя в бернуллиевской модели. В качестве функции ошибки при обучении используется бинарная кросс-энтропия в реализации с логитами — torch.nn.BCEWithLogitsLoss(). Переход от логитов к маске осуществляется посредством отсечения по порогу: logits > 0. - cv4.ipynb
Модель сети bdz4_sber.ipynb - full_cv_project.ipynb
CIFAR dataset:- baseline
- batchnorm
- augmentation, transforms
- CNN
accuracy on test: 80.29% - ResNet
accuracy on test: 80.4%
- iris_classification.ipynb
Полносвязные нейросети, классификация ирисов, замеры качества нейросети как классификатора. - numbers_classification.ipynb
MNIST, определение числа с картинки с помощью нейросети