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: https://arxiv.org/abs/1505.04597 دسترسی به ویدیوهای سایر نتورکها: Alex Net    • مقاله شبکه عصبی الکس نت | AlexNet 2012   ResNet    • مقاله شبکه عصبی رزنت | ResNet 2015   VGGNet    • دیپ لرنینگ | VGGNet یادگیری انتقالی و پیاد...   GoogleNet    • دیپ لرنینگ | گوگل نت و کانولوشن ۱ در ۱   EfficientNet    • دیپ لرنینگ | EfficientNet یادگیری انتقالی ...   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: http://ctdrs.ir/ds1111 وبسایت دپارتمان علم داده: https://cafetadris.com/datascience کانال تلگرام تخصصی علم داده: @dslanders id تلگرام من: @rezashokrzad