Search the Community

Ковырял тут на досуге задачу семантической сегментации, пробовал сетку SegNet и возник вопрос: а чего там означают веса по классам? Если верить референсным статьям, там классы должны взвешиваться с величиной, обратной площади, занимаемой этими классами...но если посмотреть в их сэмпл-модели, то можно заметить, что там есть веса сильно больше единицы (segnet_train.prototxt): layer { name: "loss" type: "SoftmaxWithLoss" bottom: "conv1_1_D" bottom: "label" top: "loss" softmax_param {engine: CAFFE} loss_param: { weight_by_label_freqs: true ignore_label: 11 class_weighting: 0.2595 class_weighting: 0.1826 class_weighting: 4.5640 class_weighting: 0.1417 class_weighting: 0.9051 class_weighting: 0.3826 class_weighting: 9.6446 class_weighting: 1.8418 class_weighting: 0.6823 class_weighting: 6.2478 class_weighting: 7.3614 } } Что как-то контринтуитивно... как эти веса посчитать для своего кастомного датасета?

Computational Network Toolkit (CNTK). Очередной подарок от MS (в дополнение к этому http://www.dmtk.io/document.html ): https://cntk.codeplex.com/

Статья с кодом автоэнкодера на TensorFlow (вполне рабочим, проверил): https://jmetzen.github.io/2015-11-27/vae.html

Сайт проекта с исходниками: http://frevo.sourceforge.net/

Еще одна довольно амбициозная система: http://tensorflow.org/ Как завести под Windows: https://caffinc.github.io/2015/11/tensorflow-windows/