In diesem Video erklärt der Autor den Pipeline-Prozess zum Trainieren eines neuronalen Netzwerkmodells mittels Convolutional Neural Networks (CNN) zur Klassifizierung von Landmarkenbildern. Interessierte können den Trainings-Pipeline auf dem Github des Autors verfolgen und testen.
Dieser Artikel beschreibt die Erfahrung des Autors mit Overfitting in seinem ersten Convolutional Neural Network zur Bildklassifizierung, wo eine hohe Trainingsgenauigkeit schlechten Validierungsergebnissen gegenüberstand. Er erklärt, wie Overfitting erkannt und behoben werden kann, und bietet praktische Ratschläge, um häufige Frustrationen zu vermeiden.
Dieser Artikel beschreibt die persönliche Reise des Autors bei der Klassifizierung von Kleidungsbildern mithilfe eines sequenziellen neuronalen Netzwerks und des Fashion MNIST-Datensatzes, wobei die Herausforderung bestand, Turnschuhe von Taschen zu unterscheiden. Nachdem das Modell bei realen Fotos versagte, erläuterte der Autor Strategien zur Überwindung, einschließlich der Verfeinerung der Vorverarbeitung und der Normalisierung der Eingaben, und erkannte die Notwendigkeit von CNNs für reale Daten an.