फैशन एमएनआईएसटी: Difference between revisions

From Vigyanwiki
No edit summary
No edit summary
 
(4 intermediate revisions by 3 users not shown)
Line 1: Line 1:
{{Short description|Popular MNIST alternative machine learning dataset of fashion images}}
{{Short description|Popular MNIST alternative machine learning dataset of fashion images}}


'''[[ पहनावा |फैशन]] एमएनआईएसटी''' डेटासेट फैशन छवियों का बड़ा स्वतंत्र रूप से उपलब्ध [[डेटाबेस]] है जिसका उपयोग सामान्यतः [[प्रशिक्षण सेट]] और विभिन्न [[ यंत्र अधिगम |यंत्र अधिगम]] सिस्टम के परीक्षण के लिए किया जाता है।<ref name=":0">{{cite arXiv|last1=Xiao|first1=Han|last2=Rasul|first2=Kashif|last3=Vollgraf|first3=Roland|date=2017-09-15|title=Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms|class=cs.LG |eprint=1708.07747}}</ref><ref>{{Cite web|last=Shenwai|first=Tanushree|date=2021-09-07|title=एक नया Google AI अनुसंधान अध्ययन स्व-पर्यवेक्षित शिक्षण का उपयोग करके असामान्य डेटा का पता लगाता है|url=https://www.marktechpost.com/2021/09/07/a-new-google-ai-research-study-discovers-anomalous-data-using-self-supervised-learning/|access-date=2021-10-07|website=MarkTechPost|language=en-US}}</ref> फ़ैशन-एमएनआईएसटी का उद्देश्य बेंचमार्किंग मशीन लर्निंग एल्गोरिदम के लिए मूल [[एमएनआईएसटी डेटाबेस]] के प्रतिस्थापन के रूप में काम करना था, क्योंकि यह समान छवि आकार, डेटा प्रारूप और प्रशिक्षण और परीक्षण विभाजन की संरचना साझा करता है।<ref>{{Cite news|title=Fashion-MNIST: Year In Review · Han Xiao Tech Blog - Neural Search & AI Engineering|url=https://hanxiao.io/2018/09/28/Fashion-MNIST-Year-In-Review/|access-date=2022-01-30|website=hanxiao.io|language=en}}</ref>
'''[[ पहनावा |फैशन]] एमएनआईएसटी''' डेटासेट फैशन प्रतिरूप का स्वतंत्र रूप से उपलब्ध [[डेटाबेस]] है जिसका उपयोग सामान्यतः [[प्रशिक्षण सेट]] और विभिन्न [[ यंत्र अधिगम |यंत्र अधिगम]] सिस्टम के परीक्षण के लिए किया जाता है।<ref name=":0">{{cite arXiv|last1=Xiao|first1=Han|last2=Rasul|first2=Kashif|last3=Vollgraf|first3=Roland|date=2017-09-15|title=Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms|class=cs.LG |eprint=1708.07747}}</ref><ref>{{Cite web|last=Shenwai|first=Tanushree|date=2021-09-07|title=एक नया Google AI अनुसंधान अध्ययन स्व-पर्यवेक्षित शिक्षण का उपयोग करके असामान्य डेटा का पता लगाता है|url=https://www.marktechpost.com/2021/09/07/a-new-google-ai-research-study-discovers-anomalous-data-using-self-supervised-learning/|access-date=2021-10-07|website=MarkTechPost|language=en-US}}</ref> फ़ैशन-एमएनआईएसटी का उद्देश्य बेंचमार्किंग मशीन लर्निंग एल्गोरिदम के लिए मूल [[एमएनआईएसटी डेटाबेस]] के प्रतिस्थापन के रूप में कार्य करना था, क्योंकि यह समान प्रतिरूप आकार, डेटा प्रारूप और प्रशिक्षण और परीक्षण विभाजन की संरचना की भागीदारी करता है।<ref>{{Cite news|title=Fashion-MNIST: Year In Review · Han Xiao Tech Blog - Neural Search & AI Engineering|url=https://hanxiao.io/2018/09/28/Fashion-MNIST-Year-In-Review/|access-date=2022-01-30|website=hanxiao.io|language=en}}</ref>


डेटासेट में [[ज़ालैंडो]] लेख छवियों के डेटासेट से 10 श्रेणियों के फैशन उत्पादों की 70,000 28x28 ग्रे[[स्केल]] छवियां सम्मिलित हैं, प्रति श्रेणी 7,000 छवियां हैं।<ref name=":0" /> प्रशिक्षण सेट में 60,000 छवियां हैं और परीक्षण सेट में 10,000 छवियां हैं। डेटासेट सामान्यतः मानक मशीन लर्निंग लाइब्रेरी में सम्मिलित होता है।<ref>{{Cite web|title=Basic classification: Classify images of clothing {{!}} TensorFlow Core|url=https://www.tensorflow.org/tutorials/keras/classification|access-date=2021-10-07|website=TensorFlow|language=en}}</ref>
डेटासेट में [[ज़ालैंडो]] लेख प्रतिरूपो के डेटासेट से 10 श्रेणियों के फैशन उत्पादों की 70,000 28x28 ग्रे[[स्केल]] प्रतिरूप सम्मिलित हैं, प्रति श्रेणी 7,000 प्रतिरूप हैं।<ref name=":0" /> प्रशिक्षण सेट में 60,000 प्रतिरूप हैं और परीक्षण सेट में 10,000 प्रतिरूप हैं। डेटासेट सामान्यतः मानक मशीन लर्निंग लाइब्रेरी में सम्मिलित होता है।<ref>{{Cite web|title=Basic classification: Classify images of clothing {{!}} TensorFlow Core|url=https://www.tensorflow.org/tutorials/keras/classification|access-date=2021-10-07|website=TensorFlow|language=en}}</ref>


== इतिहास ==
== इतिहास ==
फैशन एमएनआईएसटी डेटाबेस में छवियों का सेट सरल एमएनआईएसटी अंक डेटा की तुलना में अधिक चुनौतीपूर्ण [[सांख्यिकीय वर्गीकरण]] प्रस्तुत करने के लिए 2017 में बनाया गया था, जिसमें प्रदर्शन 99.7% से ऊपर पहुंच गया था।<ref name=":0" />  
फैशन एमएनआईएसटी डेटाबेस में प्रतिरूपो का सेट सरल एमएनआईएसटी अंक डेटा की तुलना में अधिक चुनौतीपूर्ण [[सांख्यिकीय वर्गीकरण]] प्रस्तुत करने के लिए 2017 में निर्मित किया गया था, जिसमें प्रदर्शन 99.7% से ऊपर पहुंच गया था।<ref name=":0" />  


GitHub रिपॉजिटरी ने 4000 से अधिक सितारों को एकत्र किया है और इसे 400 से अधिक रिपॉजिटरी, 1000 कमिट और 7000 कोड स्निपेट्स के लिए संदर्भित किया गया है।<ref>{{Cite web|title=मिलकर बेहतर सॉफ्टवेयर बनाएं|url=https://github.com/search?q=fashion-mnist|access-date=2022-01-30|website=GitHub|language=en}}</ref>
गिटहब रिपॉजिटरी ने 4000 से अधिक सितारों को एकत्र किया है और इसे 400 से अधिक संग्रहों, 1000 सुपुर्द और 7000 कोड के भाग के लिए संदर्भित किया गया है।<ref>{{Cite web|title=मिलकर बेहतर सॉफ्टवेयर बनाएं|url=https://github.com/search?q=fashion-mnist|access-date=2022-01-30|website=GitHub|language=en}}</ref>


अनेक मशीन लर्निंग एल्गोरिदम<ref>{{Cite web|title=Papers using Fashion-MNIST (till 09.18)|url=https://docs.google.com/spreadsheets/d/1cGX7Juedn_KVUgjDk298v5uUjc_wPk930tKyEoZhTQM/edit?usp=embed_facebook|access-date=2022-01-30|website=Google Docs|language=en-US}}</ref> डेटासेट को बेंचमार्क के रूप में शीर्ष एल्गोरिथम के साथ उपयोग किया है,<ref>{{Cite journal|last1=Meshkini|first1=Khatereh|last2=Platos|first2=Jan|last3=Ghassemain|first3=Hassan|date=2020|editor-last=Kovalev|editor-first=Sergey|editor2-last=Tarassov|editor2-first=Valery|editor3-last=Snasel|editor3-first=Vaclav|editor4-last=Sukhanov|editor4-first=Andrey|title=फैशन छवियों के वर्गीकरण के लिए कन्वेन्शनल न्यूरल नेटवर्क का विश्लेषण (फैशन-एमएनआईएसटी)|url=https://link.springer.com/chapter/10.1007/978-3-030-50097-9_10|journal=Proceedings of the Fourth International Scientific Conference "Intelligent Information Technologies for Industry" (IITI'19)|series=Advances in Intelligent Systems and Computing|volume=1156|language=en|location=Cham|publisher=Springer International Publishing|pages=85–95|doi=10.1007/978-3-030-50097-9_10|isbn=978-3-030-50097-9|s2cid=226778948}}</ref><ref>{{Cite book|last1=Kayed|first1=Mohammed|last2=Anter|first2=Ahmed|last3=Mohamed|first3=Hadeer|title=2020 International Conference on Innovative Trends in Communication and Computer Engineering (ITCE) |chapter=Classification of Garments from Fashion MNIST Dataset Using CNN LeNet-5 Architecture |date=February 2020|chapter-url=https://ieeexplore.ieee.org/document/9047776|pages=238–243|doi=10.1109/ITCE48509.2020.9047776|isbn=978-1-7281-4801-4|s2cid=214691687}}</ref><ref>{{Cite book|last1=Bhatnagar|first1=Shobhit|last2=Ghosal|first2=Deepanway|last3=Kolekar|first3=Maheshkumar H.|title=2017 Fourth International Conference on Image Information Processing (ICIIP) |chapter=Classification of fashion article images using convolutional neural networks |date=December 2017|chapter-url=https://ieeexplore.ieee.org/document/8313740|pages=1–6|doi=10.1109/ICIIP.2017.8313740|isbn=978-1-5090-6733-6|s2cid=3888338}}</ref><ref>{{Cite journal|last1=Kadam|first1=Shivam S.|last2=Adamuthe|first2=Amol C.|last3=Patil|first3=Ashwini B.|date=2020|title=एमएनआईएसटी और फैशन-एमएनआईएसटी डेटासेट पर छवि वर्गीकरण के लिए सीएनएन मॉडल|url=https://www.bhu.ac.in/research_pub/jsr/Volumes/JSR_64_02_2020/51.pdf|journal=Journal of Scientific Research|volume=64|issue=2|pages=374–384|doi=10.37398/JSR.2020.640251|s2cid=226435631}}</ref> <ref>{{cite arXiv|last1=Tanveer|first1=Muhammad Suhaib|last2=Khan|first2=Muhammad Umar Karim|last3=Kyung|first3=Chong-Min|date=2020-06-16|title=छवि वर्गीकरण के लिए फाइन-ट्यूनिंग डार्ट्स|class=cs.CV |eprint=2006.09042}}</ref> बेंचमार्क रैंकिंग वेबसाइट के अनुसार 2020 में 96.91% त्रुटिहीनता प्राप्त हुई।<ref>{{Cite web|title=कोड वाले पेपर - फैशन-एमएनआईएसटी बेंचमार्क (छवि वर्गीकरण)|url=https://paperswithcode.com/sota/image-classification-on-fashion-mnist|access-date=2022-01-30|website=paperswithcode.com|language=en}}</ref> प्रकाश की गति से छवियों को वर्गीकृत करने के लिए सभी ऑप्टिकल हार्डवेयर का उपयोग करते हुए डेटासेट को 2018 विज्ञान पेपर में बेंचमार्क के रूप में भी प्रयोग किया गया था।<ref>{{Cite journal|last1=Lin|first1=Xing|last2=Rivenson|first2=Yair|last3=Yardimci|first3=Nezih T.|last4=Veli|first4=Muhammed|last5=Luo|first5=Yi|last6=Jarrahi|first6=Mona|last7=Ozcan|first7=Aydogan|date=2018-09-07|title=विवर्तनिक गहरे तंत्रिका नेटवर्क का उपयोग करके ऑल-ऑप्टिकल मशीन लर्निंग|url=https://www.science.org/doi/10.1126/science.aat8084|journal=Science|language=en|volume=361|issue=6406|pages=1004–1008|doi=10.1126/science.aat8084|pmid=30049787|arxiv=1804.08711|bibcode=2018Sci...361.1004L|s2cid=13753997|issn=0036-8075}}</ref> Google, कैम्ब्रिज विश्वविद्यालय, IBM रिसर्च, यूनिवर्सिटि डी मॉन्ट्रियल और पेकिंग यूनिवर्सिटी 2021 तक सबसे अधिक प्रकाशित रिपॉजिटरी संस्थान हैं।
अनेक मशीन लर्निंग एल्गोरिदम<ref>{{Cite web|title=Papers using Fashion-MNIST (till 09.18)|url=https://docs.google.com/spreadsheets/d/1cGX7Juedn_KVUgjDk298v5uUjc_wPk930tKyEoZhTQM/edit?usp=embed_facebook|access-date=2022-01-30|website=Google Docs|language=en-US}}</ref> डेटासेट को बेंचमार्क के रूप में शीर्ष एल्गोरिथम के साथ उपयोग किया है,<ref>{{Cite journal|last1=Meshkini|first1=Khatereh|last2=Platos|first2=Jan|last3=Ghassemain|first3=Hassan|date=2020|editor-last=Kovalev|editor-first=Sergey|editor2-last=Tarassov|editor2-first=Valery|editor3-last=Snasel|editor3-first=Vaclav|editor4-last=Sukhanov|editor4-first=Andrey|title=फैशन छवियों के वर्गीकरण के लिए कन्वेन्शनल न्यूरल नेटवर्क का विश्लेषण (फैशन-एमएनआईएसटी)|url=https://link.springer.com/chapter/10.1007/978-3-030-50097-9_10|journal=Proceedings of the Fourth International Scientific Conference "Intelligent Information Technologies for Industry" (IITI'19)|series=Advances in Intelligent Systems and Computing|volume=1156|language=en|location=Cham|publisher=Springer International Publishing|pages=85–95|doi=10.1007/978-3-030-50097-9_10|isbn=978-3-030-50097-9|s2cid=226778948}}</ref><ref>{{Cite book|last1=Kayed|first1=Mohammed|last2=Anter|first2=Ahmed|last3=Mohamed|first3=Hadeer|title=2020 International Conference on Innovative Trends in Communication and Computer Engineering (ITCE) |chapter=Classification of Garments from Fashion MNIST Dataset Using CNN LeNet-5 Architecture |date=February 2020|chapter-url=https://ieeexplore.ieee.org/document/9047776|pages=238–243|doi=10.1109/ITCE48509.2020.9047776|isbn=978-1-7281-4801-4|s2cid=214691687}}</ref><ref>{{Cite book|last1=Bhatnagar|first1=Shobhit|last2=Ghosal|first2=Deepanway|last3=Kolekar|first3=Maheshkumar H.|title=2017 Fourth International Conference on Image Information Processing (ICIIP) |chapter=Classification of fashion article images using convolutional neural networks |date=December 2017|chapter-url=https://ieeexplore.ieee.org/document/8313740|pages=1–6|doi=10.1109/ICIIP.2017.8313740|isbn=978-1-5090-6733-6|s2cid=3888338}}</ref><ref>{{Cite journal|last1=Kadam|first1=Shivam S.|last2=Adamuthe|first2=Amol C.|last3=Patil|first3=Ashwini B.|date=2020|title=एमएनआईएसटी और फैशन-एमएनआईएसटी डेटासेट पर छवि वर्गीकरण के लिए सीएनएन मॉडल|url=https://www.bhu.ac.in/research_pub/jsr/Volumes/JSR_64_02_2020/51.pdf|journal=Journal of Scientific Research|volume=64|issue=2|pages=374–384|doi=10.37398/JSR.2020.640251|s2cid=226435631}}</ref> <ref>{{cite arXiv|last1=Tanveer|first1=Muhammad Suhaib|last2=Khan|first2=Muhammad Umar Karim|last3=Kyung|first3=Chong-Min|date=2020-06-16|title=छवि वर्गीकरण के लिए फाइन-ट्यूनिंग डार्ट्स|class=cs.CV |eprint=2006.09042}}</ref> बेंचमार्क रैंकिंग वेबसाइट के अनुसार 2020 में 96.91% त्रुटिहीनता प्राप्त हुई थी।<ref>{{Cite web|title=कोड वाले पेपर - फैशन-एमएनआईएसटी बेंचमार्क (छवि वर्गीकरण)|url=https://paperswithcode.com/sota/image-classification-on-fashion-mnist|access-date=2022-01-30|website=paperswithcode.com|language=en}}</ref> प्रकाश की गति से प्रतिरूपो को वर्गीकृत करने के लिए सभी ऑप्टिकल हार्डवेयर का उपयोग करते हुए डेटासेट को 2018 विज्ञान पेपर में बेंचमार्क के रूप में भी प्रयोग किया गया था।<ref>{{Cite journal|last1=Lin|first1=Xing|last2=Rivenson|first2=Yair|last3=Yardimci|first3=Nezih T.|last4=Veli|first4=Muhammed|last5=Luo|first5=Yi|last6=Jarrahi|first6=Mona|last7=Ozcan|first7=Aydogan|date=2018-09-07|title=विवर्तनिक गहरे तंत्रिका नेटवर्क का उपयोग करके ऑल-ऑप्टिकल मशीन लर्निंग|url=https://www.science.org/doi/10.1126/science.aat8084|journal=Science|language=en|volume=361|issue=6406|pages=1004–1008|doi=10.1126/science.aat8084|pmid=30049787|arxiv=1804.08711|bibcode=2018Sci...361.1004L|s2cid=13753997|issn=0036-8075}}</ref> गूगल, कैम्ब्रिज विश्वविद्यालय, आईबीएम रिसर्च, यूनिवर्सिटि डी मॉन्ट्रियल और पेकिंग यूनिवर्सिटी 2021 तक सबसे अधिक प्रकाशित संग्रह संस्थान हैं।


== यह भी देखें ==
== यह भी देखें ==
Line 28: Line 28:
{{Differentiable computing}}
{{Differentiable computing}}
{{Standard test item}}
{{Standard test item}}
[[Category: कंप्यूटर विज़न में डेटासेट]]


 
[[Category:CS1 English-language sources (en)]]
 
[[Category:Collapse templates]]
[[Category: Machine Translated Page]]
[[Category:Created On 09/08/2023]]
[[Category:Created On 09/08/2023]]
[[Category:Lua-based templates]]
[[Category:Machine Translated Page]]
[[Category:Navigational boxes| ]]
[[Category:Navigational boxes without horizontal lists]]
[[Category:Pages with script errors]]
[[Category:Short description with empty Wikidata description]]
[[Category:Sidebars with styles needing conversion]]
[[Category:Template documentation pages|Documentation/doc]]
[[Category:Templates Vigyan Ready]]
[[Category:Templates generating microformats]]
[[Category:Templates that add a tracking category]]
[[Category:Templates that are not mobile friendly]]
[[Category:Templates that generate short descriptions]]
[[Category:Templates using TemplateData]]
[[Category:Wikipedia metatemplates]]
[[Category:कंप्यूटर विज़न में डेटासेट]]

Latest revision as of 18:04, 21 August 2023

फैशन एमएनआईएसटी डेटासेट फैशन प्रतिरूप का स्वतंत्र रूप से उपलब्ध डेटाबेस है जिसका उपयोग सामान्यतः प्रशिक्षण सेट और विभिन्न यंत्र अधिगम सिस्टम के परीक्षण के लिए किया जाता है।[1][2] फ़ैशन-एमएनआईएसटी का उद्देश्य बेंचमार्किंग मशीन लर्निंग एल्गोरिदम के लिए मूल एमएनआईएसटी डेटाबेस के प्रतिस्थापन के रूप में कार्य करना था, क्योंकि यह समान प्रतिरूप आकार, डेटा प्रारूप और प्रशिक्षण और परीक्षण विभाजन की संरचना की भागीदारी करता है।[3]

डेटासेट में ज़ालैंडो लेख प्रतिरूपो के डेटासेट से 10 श्रेणियों के फैशन उत्पादों की 70,000 28x28 ग्रेस्केल प्रतिरूप सम्मिलित हैं, प्रति श्रेणी 7,000 प्रतिरूप हैं।[1] प्रशिक्षण सेट में 60,000 प्रतिरूप हैं और परीक्षण सेट में 10,000 प्रतिरूप हैं। डेटासेट सामान्यतः मानक मशीन लर्निंग लाइब्रेरी में सम्मिलित होता है।[4]

इतिहास

फैशन एमएनआईएसटी डेटाबेस में प्रतिरूपो का सेट सरल एमएनआईएसटी अंक डेटा की तुलना में अधिक चुनौतीपूर्ण सांख्यिकीय वर्गीकरण प्रस्तुत करने के लिए 2017 में निर्मित किया गया था, जिसमें प्रदर्शन 99.7% से ऊपर पहुंच गया था।[1]

गिटहब रिपॉजिटरी ने 4000 से अधिक सितारों को एकत्र किया है और इसे 400 से अधिक संग्रहों, 1000 सुपुर्द और 7000 कोड के भाग के लिए संदर्भित किया गया है।[5]

अनेक मशीन लर्निंग एल्गोरिदम[6] डेटासेट को बेंचमार्क के रूप में शीर्ष एल्गोरिथम के साथ उपयोग किया है,[7][8][9][10] [11] बेंचमार्क रैंकिंग वेबसाइट के अनुसार 2020 में 96.91% त्रुटिहीनता प्राप्त हुई थी।[12] प्रकाश की गति से प्रतिरूपो को वर्गीकृत करने के लिए सभी ऑप्टिकल हार्डवेयर का उपयोग करते हुए डेटासेट को 2018 विज्ञान पेपर में बेंचमार्क के रूप में भी प्रयोग किया गया था।[13] गूगल, कैम्ब्रिज विश्वविद्यालय, आईबीएम रिसर्च, यूनिवर्सिटि डी मॉन्ट्रियल और पेकिंग यूनिवर्सिटी 2021 तक सबसे अधिक प्रकाशित संग्रह संस्थान हैं।

यह भी देखें

संदर्भ

  1. ↑ 1.0 1.1 1.2 Xiao, Han; Rasul, Kashif; Vollgraf, Roland (2017-09-15). "Fashion-MNIST: a Novel Image Dataset for Benchmarking Machine Learning Algorithms". arXiv:1708.07747 [cs.LG].
  2. ↑ Shenwai, Tanushree (2021-09-07). "एक नया Google AI अनुसंधान अध्ययन स्व-पर्यवेक्षित शिक्षण का उपयोग करके असामान्य डेटा का पता लगाता है". MarkTechPost (in English). Retrieved 2021-10-07.
  3. ↑ "Fashion-MNIST: Year In Review · Han Xiao Tech Blog - Neural Search & AI Engineering". hanxiao.io (in English). Retrieved 2022-01-30.
  4. ↑ "Basic classification: Classify images of clothing | TensorFlow Core". TensorFlow (in English). Retrieved 2021-10-07.
  5. ↑ "मिलकर बेहतर सॉफ्टवेयर बनाएं". GitHub (in English). Retrieved 2022-01-30.
  6. ↑ "Papers using Fashion-MNIST (till 09.18)". Google Docs (in English). Retrieved 2022-01-30.
  7. ↑ Meshkini, Khatereh; Platos, Jan; Ghassemain, Hassan (2020). Kovalev, Sergey; Tarassov, Valery; Snasel, Vaclav; Sukhanov, Andrey (eds.). "फैशन छवियों के वर्गीकरण के लिए कन्वेन्शनल न्यूरल नेटवर्क का विश्लेषण (फैशन-एमएनआईएसटी)". Proceedings of the Fourth International Scientific Conference "Intelligent Information Technologies for Industry" (IITI'19). Advances in Intelligent Systems and Computing (in English). Cham: Springer International Publishing. 1156: 85–95. doi:10.1007/978-3-030-50097-9_10. ISBN 978-3-030-50097-9. S2CID 226778948.
  8. ↑ Kayed, Mohammed; Anter, Ahmed; Mohamed, Hadeer (February 2020). "Classification of Garments from Fashion MNIST Dataset Using CNN LeNet-5 Architecture". 2020 International Conference on Innovative Trends in Communication and Computer Engineering (ITCE). pp. 238–243. doi:10.1109/ITCE48509.2020.9047776. ISBN 978-1-7281-4801-4. S2CID 214691687.
  9. ↑ Bhatnagar, Shobhit; Ghosal, Deepanway; Kolekar, Maheshkumar H. (December 2017). "Classification of fashion article images using convolutional neural networks". 2017 Fourth International Conference on Image Information Processing (ICIIP). pp. 1–6. doi:10.1109/ICIIP.2017.8313740. ISBN 978-1-5090-6733-6. S2CID 3888338.
  10. ↑ Kadam, Shivam S.; Adamuthe, Amol C.; Patil, Ashwini B. (2020). "एमएनआईएसटी और फैशन-एमएनआईएसटी डेटासेट पर छवि वर्गीकरण के लिए सीएनएन मॉडल" (PDF). Journal of Scientific Research. 64 (2): 374–384. doi:10.37398/JSR.2020.640251. S2CID 226435631.
  11. ↑ Tanveer, Muhammad Suhaib; Khan, Muhammad Umar Karim; Kyung, Chong-Min (2020-06-16). "छवि वर्गीकरण के लिए फाइन-ट्यूनिंग डार्ट्स". arXiv:2006.09042 [cs.CV].
  12. ↑ "कोड वाले पेपर - फैशन-एमएनआईएसटी बेंचमार्क (छवि वर्गीकरण)". paperswithcode.com (in English). Retrieved 2022-01-30.
  13. ↑ Lin, Xing; Rivenson, Yair; Yardimci, Nezih T.; Veli, Muhammed; Luo, Yi; Jarrahi, Mona; Ozcan, Aydogan (2018-09-07). "विवर्तनिक गहरे तंत्रिका नेटवर्क का उपयोग करके ऑल-ऑप्टिकल मशीन लर्निंग". Science (in English). 361 (6406): 1004–1008. arXiv:1804.08711. Bibcode:2018Sci...361.1004L. doi:10.1126/science.aat8084. ISSN 0036-8075. PMID 30049787. S2CID 13753997.


बाहरी संबंध

Retrieved from ‘https://www.vigyanwiki.in/index.php?title=फैशन_एमएनआईएसटी&oldid=251283’