TreeLogy
2,0star
127 atsauksmes
10 tūkst.+
Lejupielādes
Visiem
info
Par šo lietotni
"Treelogy" ir mobilo pieteikumu, kas var veikt koku lapu bāzes identifikāciju starp koku sugu Turcijā lieto vienu attēlu konkrētā lapu.
Ir tikai interesē koku identifikācijas nedaudz pieteikumu, un tie ir paredzēti galvenokārt, lai noteiktu Ziemeļamerikas un Eiropas koku sugas. Nav pieteikums, kas ir labs sniegumu un lokalizācijas atbalstu identificēšana koku sugas dzimtene ir Turcija. Šī projekta mērķis aizpildīt šo robu.
Kamēr mēs būvējot šo pieteikumu, mēs strādājām pie uzraudzītā mācīšanos par klasifikācijas uzdevumu. Mēs akcentējām gan Deep Learning (Konkrēti convolutional Deep Neironu tīkli) un atbalsta Vector Machines. Koku lapas noteikšanas procesā izmanto attēlu iezīmes, kas iegūta no Caffe, kas convolutional neironu tīklu ietvaros, un mūsu attēlu apstrādes moduli.
Pēc vairākiem eksperimentiem, mēs sasniedzām optimālo klasifikācijas precizitāti 93.59% uz 57 koku sugām. Eksperimenti iesaistīt 16096 3020 mācību un testēšanas vērtnes attēlus. Saskaņā ar mūsu secinājumiem, mēs nonākam pie šādiem secinājumiem. Daži attēlu apstrādes procedūras ieguves funkcijas, piemēram, formu un faktūru raksturlielumus, kas mums ir, ko izmanto mūsu projektā, neražo funkcijas, kā iespējams, jo convolutional neironu tīkliem.
"Izveidoja grupas daļa inekereg" => metų Students
Ir tikai interesē koku identifikācijas nedaudz pieteikumu, un tie ir paredzēti galvenokārt, lai noteiktu Ziemeļamerikas un Eiropas koku sugas. Nav pieteikums, kas ir labs sniegumu un lokalizācijas atbalstu identificēšana koku sugas dzimtene ir Turcija. Šī projekta mērķis aizpildīt šo robu.
Kamēr mēs būvējot šo pieteikumu, mēs strādājām pie uzraudzītā mācīšanos par klasifikācijas uzdevumu. Mēs akcentējām gan Deep Learning (Konkrēti convolutional Deep Neironu tīkli) un atbalsta Vector Machines. Koku lapas noteikšanas procesā izmanto attēlu iezīmes, kas iegūta no Caffe, kas convolutional neironu tīklu ietvaros, un mūsu attēlu apstrādes moduli.
Pēc vairākiem eksperimentiem, mēs sasniedzām optimālo klasifikācijas precizitāti 93.59% uz 57 koku sugām. Eksperimenti iesaistīt 16096 3020 mācību un testēšanas vērtnes attēlus. Saskaņā ar mūsu secinājumiem, mēs nonākam pie šādiem secinājumiem. Daži attēlu apstrādes procedūras ieguves funkcijas, piemēram, formu un faktūru raksturlielumus, kas mums ir, ko izmanto mūsu projektā, neražo funkcijas, kā iespējams, jo convolutional neironu tīkliem.
"Izveidoja grupas daļa inekereg" => metų Students
Atjaunināta
Drošība sākas ar izpratni par to, kā izstrādātāji vāc un kopīgo jūsu datus. Datu konfidencialitātes un drošības prakse var atšķirties atkarībā no izmantojuma, reģiona un vecuma. Izstrādātājs ir sniedzis šo informāciju un laika gaitā var to atjaunināt.
Dati netiek kopīgoti ar trešajām pusēm
Uzziniet vairāk par to, kā izstrādātāji norāda datu kopīgošanu.
Dati netiek vākti
Uzziniet vairāk par to, kā izstrādātāji norāda datu vākšanu.
Vērtējumi un atsauksmes
2,0
121 atsauksme
Jaunumi
Sunucu güncellemesi, hata düzeltmeleri
