Изменения
Нет описания правки
Также возможно использование усложнённых архитектур свёрточных нейронных сетей типа '''DenseNet'''<ref name=""> Ibraheem Alhashim, Peter Wonka "High Quality Monocular Depth Estimation via Transfer Learning" [https://arxiv.org/pdf/1812.11941.pdf]</ref>.
'''DenseNet'''<ref name="DenseNet">Оригинальная статья описывающая DenseNet [https://arxiv.org/abs/1611.09326]</ref> {{---}} это свёрточная нейронные сеть, в которой выход каждого из слоев, подаётся на вход всем слоям, которые лежат ниже.
<math>L(y, \hat y) = \frac{1}{n} \sum\limits_{i} d^2_i - \frac{\lambda}{n^2}(\sum\limits_{i} d_i)^2</math>
* '''Обучение сверточной нейронной сети''': далее идёт обычное обучение нейронной сети по карте различий, путем обратного распространения ошибки , оптимизируя, заданную выше функцию потерь.
=== Построение с помощью капсульных нейронных сетей ===
Сверточные нейроные сети имеют недостаток в распознавании объектов на картинке. Нейронные сети способны регистрировать, только наличие какого либо объекта на картинке, не кодируя его ориентацию и положение. Но '''капсульные нейронные сети''' лишены этого недостатка.
[[Файл:capsnet.jpg|thumb|400px| рис. 3. Структура капсульной нейронной сети <ref name="img"> "Design and Investigation of Capsule Networks for Sentence Classification" Figure 2. [https://www.mdpi.com/2076-3417/9/11/2200/htm]</ref>.]]
"Капусльная Капсульная нейронная сеть" {{---}} состоят состоит из капсул или групп нейронов, чтобы идентифицировать закономерности в изображении. Эта информация поступает в виде векторов, содержащих ориентацию и положение узоров на изображении, который которое затем принимается капсулами более высокого уровня. Капсулы более высокого уровня обрабатывают эту информацию из нескольких капсул более низкого уровня и впоследствии выдают прогноз. Капсулы одного уровня, не имеют связей друг с другом и вычисляют информацию независимо друг от друга. Капсулы образуется, путем разделения выходных данных из сворачивающего слоя. Мы делим наш трехмерный вектор на капсулы путем методом "нарезания" таким образом, чтобы в каждой капсуле была информация о каждом пикселе, т.е. по 3 координате.
Состояние нейронов капусльной капсульной нейронной сети внутри изображения фиксируетсвойство фиксирует свойство области или объекта внутри изображения: его положение и ориентацию.
Использование капусльной капсульной нейронной сети, аналогично с использованием использованию обычных сверточных свёрточных сетей, которое описано описанное выше. В целом , данная сеть показывает более точные результаты предсказания глубины.
== См. также ==
