Публикации по теме 'computer-vision'
Pilatinator, Часть 2: Модель
Написано в рамках заключительного проекта по исследованию данных для Israel Tech Challenge, авторы: Ангелин Анг ( LinkedIn , GitHub ), Ориэль Пинхас ( LinkedIn , GitHub ), Серхио Драйнер ( LinkedIn , GitHub ) и Хадар Брайер (LinkedIn, GitHub)
Код классификации, который мы использовали, был основан на сочетании базовой модели с несколькими дополнительными слоями, называемыми верхними слоями . Для нашего базового уровня мы следовали этому руководству и использовали VGG16 в..
Как автоматически создавать файлы аннотаций изображений VGG
Ускоряйте сегментацию экземпляров с помощью семантических наборов данных
В области компьютерного зрения сегментация экземпляров является одной из самых горячих тем в наши дни. Он состоит из обнаружения/сегментации объектов на изображениях, т. е. локализации конкретных объектов и ассоциации принадлежащих им пикселей. Как и в любой системе машинного обучения, для обучения магистральной архитектуры требуется большое количество изображений. В частности, для обучения функции локализации..
Классификация изображений с помощью K ближайших соседей
K-Nearest Neighbours (k-NN) - это контролируемый алгоритм машинного обучения, то есть он учится на помеченном обучающем наборе, принимая обучающие данные X вместе с его метками y, и учится сопоставлять вход X с желаемым выходом y.
Алгоритм k-NN, пожалуй, самый простой из алгоритмов машинного обучения. Модель состоит только из обучающих данных, то есть модель просто изучает весь обучающий набор и для прогнозирования выдает результат в виде класса с большинством в «k» ближайших соседей,..
Тенденции в области искусственного интеллекта — март 2022 г.
Ежемесячная подборка статей по машинному обучению от Zeta Alpha: генерация звука, градиенты без обратной опоры, смесь экспертов, мультимодальность, поиск информации и многое другое.
Март наступил насыщенный событиями в мире ИИ: продолжают появляться публикации и конференции, такие как Конференция WSDM только что позади нас и AAAI тоже только что завершилась . Но давайте начнем с выделения некоторых последних новостей:
DeepMind объявили, что они успешно использовали Deep Learning..
Комбинационные логические схемы: логические чудеса цифровой электроники
Комбинационные логические схемы: логические чудеса цифровой электроники
Комбинационные логические схемы являются основой современной цифровой электроники, облегчая обработку и манипулирование двоичными данными детерминированным и предсказуемым образом. Эти схемы основаны на принципах булевой алгебры для выполнения логических операций, что позволяет создавать сложные функции без необходимости использования внутренней памяти. В этом эссе мы рассмотрим концепцию, конструкцию и..
Глубокое обучение; Личные заметки Часть 1 Урок 1, Классификация изображений
Эта серия сообщений в блоге будет обновляться, так как у меня будет второй взгляд на быстрые уроки искусственного интеллекта. Это мои личные заметки, стремление четко понимать вещи и хорошо их объяснять. Ничего нового, только живу в соответствии с этим блогом .
Я буду арендовать графические процессоры Paperspace (графические процессоры) для обучения нейронных сетей, поскольку их стоимость кажется вполне доступной. В частности, мы будем использовать графические процессоры Nvidia,..
Сборка FabBits: GSoC с помощью CCExtractor #2
Последние три недели я работал над обнаружением футбольных голов и улучшением детектора последовательности действий.
Мой подход к обнаружению футбольных голов был в основном таким:
Сегментируйте табло. Следите за изменениями в табло для обнаружения голов.
Оказывается, область табло имеет довольно много краевого содержимого из-за наличия текстовых областей. Благодаря этому выходные данные фильтра Собеля/Шарра лучше отображают область табло, а также отсеивают ненужные детали. Итак,..
