چندکلاسه یا چند لیبله؟ میدونی اصلا فرقشون جیه؟
🔴خیلی از پروژه‌های بینایی ماشین به خاطر همین اشتباه ساده ولی مهم، خروجی افتضاح می‌گیرن.
📌 سگمنت های چند کلاسه
هر پیکسل فقط به یک کلاس تعلق داره.
مثال: سگ 🐶، گربه 🐱، پس‌زمینه.
🎯 لاس معمول: CrossEntropyLoss
📌سگمنت های چند لیبله
یک پیکسل می‌تونه همزمان چند کلاس داشته باشه.
مثال: در تصاویر پزشکی، یک نقطه می‌تونه هم «بافت خاص» باشه هم «ناحیه بیماری».
🎯 لاس معمول: BCEWithLogitsLoss یا DiceLoss برای هر کانال
⚠️ اشتباه رایج:
دیتای multi-label رو مثل multi-class به مدل میدی و انتظار داری درست کار کنه. نتیجه؟
❌ یادگیری ناقص
❌ خروجی قاطی پاتی
💡 توی ورکشاپ «بخش‌بندی تصاویر»، دقیق یاد می‌گیری چه زمانی از کدوم استفاده کنی.

📅 تاریخ شروع: ۲۸ و ۲۹ مرداد، ساعت ۹ صبح تا ۱۲ ظهر
💰 هزینه دوره: ۷۰۰,۰۰۰ تومان
برای ثبت‌نام و اطلاعات بیشتر، از طریق لینک زیر اقدام کنید:
📝 https://forms.gle/G1sNKZkLXCEP911L6

و یا از طریق تلگرام با ما در ارتباط باشید:
📱 https://t.me/savisionai

وب سایت ما:
🌐 https://faraai.ir

لینک کانال ورکشاپ:
🏷️ https://t.me/SAVISION_AI