تحليل مقارن لنماذج تعلم آلة لكشف حفر الشوارع
01
نظرة عامة

ورقة بحث تقارن CNN وResNet-50 وأشجار قرار
02
التحدي
تحتاج فرق البنية التحتية الحضرية إلى توجيه كمي حول أي كاشفات تكتشف الحفر بموثوقية من صور الشوارع قبل نشر إصلاحات مكلفة.
03
الحل
قارنت شبكات CNN وResNet-50 وخطوط أساس بأشجار قرار في بايثون/TensorFlow مع تقسيمات بيانات وبروتوكولات تحقق ومقاييس مقارنة تناسب ورقة أكاديمية.
التقنيات المستخدمة
5اللغات
Python
أخرى
TensorFlowCNNResNet-50Machine Learning
04
أبرز النتائج
- توثيق مقايضات بين النماذج العميق والمتعلمين التقليديين على نفس المجموعة.
- أثر على GitHub يمكّن المراجعين من إعادة إنتاج المخططات والجداول.
05
لقطات الشاشة والمعرض
نظرة على مجموعة البيانات4 صور
التدريب والتحقق من النموذجصورة واحدة
النتائج والتحليل3 صور