Pashtetuum
commited on
Commit
•
0c0d14d
1
Parent(s):
5b3d7f9
Update О-проекте.html
Browse files- О-проекте.html +2 -2
О-проекте.html
CHANGED
@@ -173,7 +173,7 @@ document.getElementById("scrollBtn").onclick = function() {
|
|
173 |
</div>
|
174 |
</div>
|
175 |
</section>
|
176 |
-
|
177 |
<div class="u-clearfix u-sheet u-sheet-1">
|
178 |
<h3 class="u-text u-text-1">Аналитика исходной базы данных</h3>
|
179 |
<p class="u-text u-text-2">В результате анализа данных мы выделили шесть основных классов дефектов: трещины, вкрапления, пятна, рябь, замятие, царапины. Эти классы были выбраны не случайно: они представляют собой наиболее часто встречающиеся и значимые типы дефектов, которые могут существенно повлиять на качество и безопасность металлопроката. В итоге у нас получилось собрать 1944 изображений.<br>Следующий шаг — разделение выборки на обучающую, валидационную и тестовую. Для тренировки нейронной сети с созданием модели вручную и с помощью функции Autokeras были взяты разные соотношения выборок, это обусловлено тем, что валидационная и тестовая выборки должны иметь больший размер при автоматизированном создании модели.
|
@@ -292,7 +292,7 @@ document.getElementById("scrollBtn").onclick = function() {
|
|
292 |
</table>
|
293 |
</div>
|
294 |
</div>
|
295 |
-
|
296 |
<section class="u-clearfix u-section-4" id="sec-7759">
|
297 |
<div class="u-clearfix u-sheet u-sheet-1">
|
298 |
<h3 class="u-text u-text-1">Выводы</h3>
|
|
|
173 |
</div>
|
174 |
</div>
|
175 |
</section>
|
176 |
+
|
177 |
<div class="u-clearfix u-sheet u-sheet-1">
|
178 |
<h3 class="u-text u-text-1">Аналитика исходной базы данных</h3>
|
179 |
<p class="u-text u-text-2">В результате анализа данных мы выделили шесть основных классов дефектов: трещины, вкрапления, пятна, рябь, замятие, царапины. Эти классы были выбраны не случайно: они представляют собой наиболее часто встречающиеся и значимые типы дефектов, которые могут существенно повлиять на качество и безопасность металлопроката. В итоге у нас получилось собрать 1944 изображений.<br>Следующий шаг — разделение выборки на обучающую, валидационную и тестовую. Для тренировки нейронной сети с созданием модели вручную и с помощью функции Autokeras были взяты разные соотношения выборок, это обусловлено тем, что валидационная и тестовая выборки должны иметь больший размер при автоматизированном создании модели.
|
|
|
292 |
</table>
|
293 |
</div>
|
294 |
</div>
|
295 |
+
|
296 |
<section class="u-clearfix u-section-4" id="sec-7759">
|
297 |
<div class="u-clearfix u-sheet u-sheet-1">
|
298 |
<h3 class="u-text u-text-1">Выводы</h3>
|