EXPERT Machine Learning Je réponds à tout
Le 27 octobre 2020 à 21:03:00 INFP_mignon a écrit :
[21:00:07] <Free_benalla>
Le 27 octobre 2020 à 20:58:37 INFP_mignon a écrit :
[20:52:41] <Free_benalla>
Le 27 octobre 2020 à 20:46:33 INFP_mignon a écrit :
tu peux expliquer le deep learning sans utiliser des mots compliqués et egalement expliquer comment le mettre en place si j'ai par exemple des images et que je voudrais reconnaitre un truc en particulierJ'adore cette question.
Quand tu veux recnnaitre un truc sur des images, tu dois apprendr a l'ordi a comparer les images. une image c'et une matrice, donc plein de carré les contenant une valeur ( (RGB = couleur). Hors, un modèle ne va JAMAIS réussir a fonctionner sur une matricepourquoi un modèle ne peux pas fonctionner sur une matrice? Pour comprendre l'idée, observont deux photo de chien, un noir et un blanc. Tu veux que dans les deux cas le modèle reconnaisse un chien, hors, les deux images sont totalement différentes si on devait les comparer en faisant une soustraction
On va donc chercher a synthéthiser l'information contenus dans les images. Le deep learning (réseau de neuronnes) est une approche novatrice dans le sens ou l'on ne dit JAMAIS au modèle comment synthéhiser l'information contenus dans les images.
Le modèle va apprendre de la manière suivante, il va synthéhiser une image, la multiplier par une matrice de poid, et regarder ce qu'il prédirait (un chien ou un chat). La matrice de poid va ête modifiée selon qu'il se soit trompé ou non. Tu fais ca sur des million d'images, la matrice de poid s'améliorer au fur et a mesure
c'est clair?
en fait je fais du traitement d'image donc je comprend deja tout ça, ce que je comprend pas c'est comment le deep learning va définir ces poids et comment le mettre en place. quelles entrées on doit donner a l'algo, si je dois identifier 15000 objets dans mes images a la main pour qu'ensuite l'algo puisse fonctionner ça m'avancera pas
tu veux faire de la classification d'image ou de la detetction d'objet?
je dirait plutot de la detection mais je voudrais egalement classifier mes objets. exemple je recherche des panneaux mais je veux les classer par couleur ou par forme
a l'arahce je dirais deux modèle: un qui extrait les panneau (object detection) l'autre qui les trie par couleur
[21:04:25] <Lkheyny>
Le 27 octobre 2020 à 21:03:00 INFP_mignon a écrit :
[21:00:07] <Free_benalla>
Le 27 octobre 2020 à 20:58:37 INFP_mignon a écrit :
[20:52:41] <Free_benalla>
> Le 27 octobre 2020 à 20:46:33 INFP_mignon a écrit :
>tu peux expliquer le deep learning sans utiliser des mots compliqués et egalement expliquer comment le mettre en place si j'ai par exemple des images et que je voudrais reconnaitre un truc en particulier
J'adore cette question.
Quand tu veux recnnaitre un truc sur des images, tu dois apprendr a l'ordi a comparer les images. une image c'et une matrice, donc plein de carré les contenant une valeur ( (RGB = couleur). Hors, un modèle ne va JAMAIS réussir a fonctionner sur une matricepourquoi un modèle ne peux pas fonctionner sur une matrice? Pour comprendre l'idée, observont deux photo de chien, un noir et un blanc. Tu veux que dans les deux cas le modèle reconnaisse un chien, hors, les deux images sont totalement différentes si on devait les comparer en faisant une soustraction
On va donc chercher a synthéthiser l'information contenus dans les images. Le deep learning (réseau de neuronnes) est une approche novatrice dans le sens ou l'on ne dit JAMAIS au modèle comment synthéhiser l'information contenus dans les images.
Le modèle va apprendre de la manière suivante, il va synthéhiser une image, la multiplier par une matrice de poid, et regarder ce qu'il prédirait (un chien ou un chat). La matrice de poid va ête modifiée selon qu'il se soit trompé ou non. Tu fais ca sur des million d'images, la matrice de poid s'améliorer au fur et a mesure
c'est clair?
en fait je fais du traitement d'image donc je comprend deja tout ça, ce que je comprend pas c'est comment le deep learning va définir ces poids et comment le mettre en place. quelles entrées on doit donner a l'algo, si je dois identifier 15000 objets dans mes images a la main pour qu'ensuite l'algo puisse fonctionner ça m'avancera pas
tu veux faire de la classification d'image ou de la detetction d'objet?
je dirait plutot de la detection mais je voudrais egalement classifier mes objets. exemple je recherche des panneaux mais je veux les classers par couleur ou par forme
Regarde du côté Mask R CNN
https://github.com/matterport/Mask_RCNNMais faudra que tu labélises à la main
Ou tu peux faire en plusieurs étapes:
Un modèle qui extrait les panneaux grossièrement
Puis pour chaque panneau extrait, 2ème modèle qui reconnait formes
Et 3ème modèle qui reconnait couleurs
ok, par labeliser moi meme tu entends que je dois dire a chaque fois ce panneau correspond a ça?
Le 27 octobre 2020 à 21:05:29 nonosim a écrit :
Le 27 octobre 2020 à 20:57:54 Free_benalla a écrit :
46k meme après grande ecole cest enorme en france heinA Paris ça donne pas une bonne qualité de vie... les studios à 900 euros aussi. Faut être riche à Paris pour bien y vivre et éviter un peu les TEC, rien que le prix de l'immobilier...
Après en province c'est sûr un salaire de roi mais faut bien prendre en compte que Paris c'est un autre monde, ton salaire est siphoné par l'Etat et le cout de la vie de toute façon.
Exact 
Le 27 octobre 2020 à 21:06:00 INFP_mignon a écrit :
[21:04:25] <Lkheyny>
Le 27 octobre 2020 à 21:03:00 INFP_mignon a écrit :
[21:00:07] <Free_benalla>
Le 27 octobre 2020 à 20:58:37 INFP_mignon a écrit :
>[20:52:41] <Free_benalla>
>> Le 27 octobre 2020 à 20:46:33 INFP_mignon a écrit :
>>tu peux expliquer le deep learning sans utiliser des mots compliqués et egalement expliquer comment le mettre en place si j'ai par exemple des images et que je voudrais reconnaitre un truc en particulier
>
>J'adore cette question.
>Quand tu veux recnnaitre un truc sur des images, tu dois apprendr a l'ordi a comparer les images. une image c'et une matrice, donc plein de carré les contenant une valeur ( (RGB = couleur). Hors, un modèle ne va JAMAIS réussir a fonctionner sur une matrice
>
>pourquoi un modèle ne peux pas fonctionner sur une matrice? Pour comprendre l'idée, observont deux photo de chien, un noir et un blanc. Tu veux que dans les deux cas le modèle reconnaisse un chien, hors, les deux images sont totalement différentes si on devait les comparer en faisant une soustraction
>
>On va donc chercher a synthéthiser l'information contenus dans les images. Le deep learning (réseau de neuronnes) est une approche novatrice dans le sens ou l'on ne dit JAMAIS au modèle comment synthéhiser l'information contenus dans les images.
>
>Le modèle va apprendre de la manière suivante, il va synthéhiser une image, la multiplier par une matrice de poid, et regarder ce qu'il prédirait (un chien ou un chat). La matrice de poid va ête modifiée selon qu'il se soit trompé ou non. Tu fais ca sur des million d'images, la matrice de poid s'améliorer au fur et a mesure
>
>c'est clair?
en fait je fais du traitement d'image donc je comprend deja tout ça, ce que je comprend pas c'est comment le deep learning va définir ces poids et comment le mettre en place. quelles entrées on doit donner a l'algo, si je dois identifier 15000 objets dans mes images a la main pour qu'ensuite l'algo puisse fonctionner ça m'avancera pas
tu veux faire de la classification d'image ou de la detetction d'objet?
je dirait plutot de la detection mais je voudrais egalement classifier mes objets. exemple je recherche des panneaux mais je veux les classers par couleur ou par forme
Regarde du côté Mask R CNN
https://github.com/matterport/Mask_RCNNMais faudra que tu labélises à la main
Ou tu peux faire en plusieurs étapes:
Un modèle qui extrait les panneaux grossièrement
Puis pour chaque panneau extrait, 2ème modèle qui reconnait formes
Et 3ème modèle qui reconnait couleurs
ok, par labeliser moi meme tu entends que je dois dire a chaque fois ce panneau correspond a ça?
Oui voilà
Pour le Mask R CNN, tu dois fournir :
Une image avec panneaux
Les coordonnées précises des panneaux sur l'image (tu dois tracer le contour à la souris et sauvegarder ça quelque part)
Et tu fais ça pour 300 images xD
[21:05:30] <Free_benalla>
Le 27 octobre 2020 à 21:03:00 INFP_mignon a écrit :
[21:00:07] <Free_benalla>
Le 27 octobre 2020 à 20:58:37 INFP_mignon a écrit :
[20:52:41] <Free_benalla>
> Le 27 octobre 2020 à 20:46:33 INFP_mignon a écrit :
>tu peux expliquer le deep learning sans utiliser des mots compliqués et egalement expliquer comment le mettre en place si j'ai par exemple des images et que je voudrais reconnaitre un truc en particulier
J'adore cette question.
Quand tu veux recnnaitre un truc sur des images, tu dois apprendr a l'ordi a comparer les images. une image c'et une matrice, donc plein de carré les contenant une valeur ( (RGB = couleur). Hors, un modèle ne va JAMAIS réussir a fonctionner sur une matricepourquoi un modèle ne peux pas fonctionner sur une matrice? Pour comprendre l'idée, observont deux photo de chien, un noir et un blanc. Tu veux que dans les deux cas le modèle reconnaisse un chien, hors, les deux images sont totalement différentes si on devait les comparer en faisant une soustraction
On va donc chercher a synthéthiser l'information contenus dans les images. Le deep learning (réseau de neuronnes) est une approche novatrice dans le sens ou l'on ne dit JAMAIS au modèle comment synthéhiser l'information contenus dans les images.
Le modèle va apprendre de la manière suivante, il va synthéhiser une image, la multiplier par une matrice de poid, et regarder ce qu'il prédirait (un chien ou un chat). La matrice de poid va ête modifiée selon qu'il se soit trompé ou non. Tu fais ca sur des million d'images, la matrice de poid s'améliorer au fur et a mesure
c'est clair?
en fait je fais du traitement d'image donc je comprend deja tout ça, ce que je comprend pas c'est comment le deep learning va définir ces poids et comment le mettre en place. quelles entrées on doit donner a l'algo, si je dois identifier 15000 objets dans mes images a la main pour qu'ensuite l'algo puisse fonctionner ça m'avancera pas
tu veux faire de la classification d'image ou de la detetction d'objet?
je dirait plutot de la detection mais je voudrais egalement classifier mes objets. exemple je recherche des panneaux mais je veux les classer par couleur ou par forme
a l'arahce je dirais deux modèle: un qui extrait les panneau (object detection) l'autre qui les trie par couleur
ok mais comment ça marche concretement? j'imagine que c'est pas magique, il y a pas une algorithme ou je met mes images et ça reconnais les paneaux. il faut que j'en reconaisse a l'oeil avant non?
Le 27 octobre 2020 à 21:07:35 INFP_mignon a écrit :
[21:05:30] <Free_benalla>
Le 27 octobre 2020 à 21:03:00 INFP_mignon a écrit :
[21:00:07] <Free_benalla>
Le 27 octobre 2020 à 20:58:37 INFP_mignon a écrit :
>[20:52:41] <Free_benalla>
>> Le 27 octobre 2020 à 20:46:33 INFP_mignon a écrit :
>>tu peux expliquer le deep learning sans utiliser des mots compliqués et egalement expliquer comment le mettre en place si j'ai par exemple des images et que je voudrais reconnaitre un truc en particulier
>
>J'adore cette question.
>Quand tu veux recnnaitre un truc sur des images, tu dois apprendr a l'ordi a comparer les images. une image c'et une matrice, donc plein de carré les contenant une valeur ( (RGB = couleur). Hors, un modèle ne va JAMAIS réussir a fonctionner sur une matrice
>
>pourquoi un modèle ne peux pas fonctionner sur une matrice? Pour comprendre l'idée, observont deux photo de chien, un noir et un blanc. Tu veux que dans les deux cas le modèle reconnaisse un chien, hors, les deux images sont totalement différentes si on devait les comparer en faisant une soustraction
>
>On va donc chercher a synthéthiser l'information contenus dans les images. Le deep learning (réseau de neuronnes) est une approche novatrice dans le sens ou l'on ne dit JAMAIS au modèle comment synthéhiser l'information contenus dans les images.
>
>Le modèle va apprendre de la manière suivante, il va synthéhiser une image, la multiplier par une matrice de poid, et regarder ce qu'il prédirait (un chien ou un chat). La matrice de poid va ête modifiée selon qu'il se soit trompé ou non. Tu fais ca sur des million d'images, la matrice de poid s'améliorer au fur et a mesure
>
>c'est clair?
en fait je fais du traitement d'image donc je comprend deja tout ça, ce que je comprend pas c'est comment le deep learning va définir ces poids et comment le mettre en place. quelles entrées on doit donner a l'algo, si je dois identifier 15000 objets dans mes images a la main pour qu'ensuite l'algo puisse fonctionner ça m'avancera pas
tu veux faire de la classification d'image ou de la detetction d'objet?
je dirait plutot de la detection mais je voudrais egalement classifier mes objets. exemple je recherche des panneaux mais je veux les classer par couleur ou par forme
a l'arahce je dirais deux modèle: un qui extrait les panneau (object detection) l'autre qui les trie par couleur
ok mais comment ça marche concretement? j'imagine que c'est pas magique, il y a pas une algorithme ou je met mes images et ça reconnais les paneaux. il faut que j'en reconaisse a l'oeil avant non?
Oui il faut que tu les labéllises à l'oeil d'abord
Sinon le modèle peut pas deviner
[21:07:10] <Lkheyny>
Le 27 octobre 2020 à 21:06:00 INFP_mignon a écrit :
[21:04:25] <Lkheyny>
Le 27 octobre 2020 à 21:03:00 INFP_mignon a écrit :
[21:00:07] <Free_benalla>
> Le 27 octobre 2020 à 20:58:37 INFP_mignon a écrit :
>>[20:52:41] <Free_benalla>
> >> Le 27 octobre 2020 à 20:46:33 INFP_mignon a écrit :
> >>tu peux expliquer le deep learning sans utiliser des mots compliqués et egalement expliquer comment le mettre en place si j'ai par exemple des images et que je voudrais reconnaitre un truc en particulier
> >
> >J'adore cette question.
> >Quand tu veux recnnaitre un truc sur des images, tu dois apprendr a l'ordi a comparer les images. une image c'et une matrice, donc plein de carré les contenant une valeur ( (RGB = couleur). Hors, un modèle ne va JAMAIS réussir a fonctionner sur une matrice
> >
> >pourquoi un modèle ne peux pas fonctionner sur une matrice? Pour comprendre l'idée, observont deux photo de chien, un noir et un blanc. Tu veux que dans les deux cas le modèle reconnaisse un chien, hors, les deux images sont totalement différentes si on devait les comparer en faisant une soustraction
> >
> >On va donc chercher a synthéthiser l'information contenus dans les images. Le deep learning (réseau de neuronnes) est une approche novatrice dans le sens ou l'on ne dit JAMAIS au modèle comment synthéhiser l'information contenus dans les images.
> >
> >Le modèle va apprendre de la manière suivante, il va synthéhiser une image, la multiplier par une matrice de poid, et regarder ce qu'il prédirait (un chien ou un chat). La matrice de poid va ête modifiée selon qu'il se soit trompé ou non. Tu fais ca sur des million d'images, la matrice de poid s'améliorer au fur et a mesure
> >
> >c'est clair?
>
> en fait je fais du traitement d'image donc je comprend deja tout ça, ce que je comprend pas c'est comment le deep learning va définir ces poids et comment le mettre en place. quelles entrées on doit donner a l'algo, si je dois identifier 15000 objets dans mes images a la main pour qu'ensuite l'algo puisse fonctionner ça m'avancera pas
tu veux faire de la classification d'image ou de la detetction d'objet?
je dirait plutot de la detection mais je voudrais egalement classifier mes objets. exemple je recherche des panneaux mais je veux les classers par couleur ou par forme
Regarde du côté Mask R CNN
https://github.com/matterport/Mask_RCNNMais faudra que tu labélises à la main
Ou tu peux faire en plusieurs étapes:
Un modèle qui extrait les panneaux grossièrement
Puis pour chaque panneau extrait, 2ème modèle qui reconnait formes
Et 3ème modèle qui reconnait couleurs
ok, par labeliser moi meme tu entends que je dois dire a chaque fois ce panneau correspond a ça?
Oui voilà
Pour le Mask R CNN, tu dois fournir :
Une image avec panneaux
Les coordonnées précises des panneaux sur l'image (tu dois tracer le contour à la souris et sauvegarder ça quelque part)Et tu fais ça pour 300 images xD
aie... 300 c'est le minimum? ou on peut faire avec moins?
Le 27 octobre 2020 à 21:07:57 DellDempsQLF a écrit :
Vous traitez les données spatialisées dans votre domaine ?Mon métier "rêver" serait de devenir Data Scientist spé données spatialisées mais j'ai l'impression que ça n'existe pas encore malgré le potentiel des données géographiques
Oui bien sûr !
Les bases OSM sont très riches .gif ":)")
Mais il y a pas vraiment de DS spécialisé géographie, ça dépend de ta chance sur les projets ! (mais tu as sûrement des startup spécialisées dans le domaine)
Données du topic
- Auteur
- Lkheyny
- Date de création
- 27 octobre 2020 à 20:13:23
- Nb. messages archivés
- 215
- Nb. messages JVC
- 215