Datenmangel? Copy & augmentated Paste
- 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) Universität Karlsruhe (TH) – Zentrale Einrichtungen (Zentrale Einrichtungen) 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 |