KIT | KIT-Bibliothek | Impressum | Datenschutz

Datenmangel? Copy & augmentated Paste

Molinar, Gabriela; Stang, Marco

  • 00:00:00 Start
  • 00:01:52 Vergleich MLP vs. CNN, Beispiel CIFAR-10
  • 00:02:13 Flatten Layer
  • 00:05:25 Padding
  • 00:06:20 Stride
  • 00:09:00 Early Stopping
  • 00:10:21 Data Augmentation
  • 00:12:15 Zusammenfassung

Zugehörige Institution(en) am KIT Institut für Technik der Informationsverarbeitung (ITIV)
Zentrum für Mediales Lernen (ZML)
Publikationstyp Audio & Video
Publikationsdatum 19.10.2021
Erstellungsdatum 20.09.2021
Sprache Deutsch
DOI 10.5445/IR/1000139103
Identifikator KITopen-ID: 1000139103
Lizenz Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International
Bemerkung zur Veröffentlichung In vorherigen Videos haben Sie bereits die Funktionsweise einfacher neuronaler Netze kennen gelernt. Grundsätzlich können diese auch als Multilayer Perceptrons (kurz MLPs) bezeichneten Netze für die Bildklassifikation verwendet werden. Dieses Video vergleicht daher den Aufbau, das Training und die Performanz von MLPs und CNNs zur Bildklassifikation anhand eines Beispiels. Außerdem wird die Technik der Data Augmentation vorgestellt, die zum besseren Generalisieren des Modells beitragen kann.
Serie Angewandte Machine Learning Algorithmen (AMALEA)
Folge 19
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page