Добрый вечер, спасибо за статью. Что вы думаете о преоброзованиях в F пространстве, когда переносится одно вероятностное распределение в другое? Какие геометрические законы и инварианты стоит там рассматривать? В упомянутой в тексте статье, вижу лосс несколько напоминающий MSE, но для латента...
Спасибо за ваш комментарий. Он очень хорошо отражает и неоднозначность идеи и мои сомнения в тот момент. Так как пройдя уже путь, сложно вернуться в то состояние. Но ваш комментарий подтвердил и отчасти напомнил мне мои сомнения.
Есть взвешенный лосс. На картинках классы сегментов всегда по разному и что-то лучше, что-то хуже выучивает. Поэтому взвешенеый лосс лучше учитывает веса сегмннтов разных.
Если будет интересно, вдруг проект у вас возобновиться, то можно пообщаться для взаимодействия. Можно и в трансформеры идти, хотя для подобных задач и юнет глубокая хороша.
Мы решали задачу с детекцией тропинок на фото с дрона. Сеть должна была игнорировать проложенные тротуары, дорожки и помечать протоптаные. Фото как городские, так и промзоны и лесные массивы. Была сделана обобщенная unet которая из любого изображения проводила данеые через тензор (1,1) с многими пробросами. Причем в понижающие блоки взяты предобученные слою VGG16/19. Важна аугментация
Спасибо за интересный подход. Есть ли уже репозитой с кодом, вроде в статье пока пустой.
Хочу протестировать для отсечки багов в одной из своих работ в Сбере, а именно ранжировщика генераций.
Спасибо, ещё раз.
Вопрос ко всем. Особенно к опытным участникам Хабр.
О чем говорит тсутствие комментариев?
)))
Добрый вечер, спасибо за статью.
Что вы думаете о преоброзованиях в F пространстве, когда переносится одно вероятностное распределение в другое?
Какие геометрические законы и инварианты стоит там рассматривать?
В упомянутой в тексте статье, вижу лосс несколько напоминающий MSE, но для латента...
Спасибо за ваш комментарий. Он очень хорошо отражает и неоднозначность идеи и мои сомнения в тот момент. Так как пройдя уже путь, сложно вернуться в то состояние. Но ваш комментарий подтвердил и отчасти напомнил мне мои сомнения.
Добрый день, лексику буду улучшать, спасибо.
С метриками будет позже, тут пока нет обучения ещё.. Еще 2 части минимум будет...
Спасибо за пример, Андрей, нужно будет изучить эту библиотеку!
Есть взвешенный лосс. На картинках классы сегментов всегда по разному и что-то лучше, что-то хуже выучивает. Поэтому взвешенеый лосс лучше учитывает веса сегмннтов разных.
Если будет интересно, вдруг проект у вас возобновиться, то можно пообщаться для взаимодействия. Можно и в трансформеры идти, хотя для подобных задач и юнет глубокая хороша.
Еще лосс важен, тоже лучше не просто BCE
У вас классическая Unet или своя?
Какой у вас тензор в самом низу, в bootlneck ?
Мы решали задачу с детекцией тропинок на фото с дрона. Сеть должна была игнорировать проложенные тротуары, дорожки и помечать протоптаные. Фото как городские, так и промзоны и лесные массивы. Была сделана обобщенная unet которая из любого изображения проводила данеые через тензор (1,1) с многими пробросами. Причем в понижающие блоки взяты предобученные слою VGG16/19. Важна аугментация
Сеть справлялась очень точно.
Задачи в целом очень похожи!