Публикации по теме 'computer-vision'
Сказка о длинных хвостах
Отказ от ответственности: если точность моделей машинного обучения не является вашим приоритетом, эта статья может быть не для вас. Моим инженерам по машинному обучению, специалистам по данным, инженерам по компьютерному зрению и менеджерам по продуктам: добро пожаловать домой. Выпейте кофе и приступим.
Для большинства случаев использования компьютерного зрения разработка модели изначально выполняется довольно быстро и относительно просто. За короткий период времени вы можете..
6 удивительных алгоритмов для обнаружения лиц на изображениях со ссылками на код Python
Знаете ли вы, что существует множество различных алгоритмов для обнаружения лиц на изображениях?
Наиболее популярным из них является алгоритм Виолы-Джонса , но он не идеален. Существует множество других отличных опций, таких как Каскады Хаара и Fisherfaces , которые вы можете использовать для обнаружения лиц на своем компьютере или мобильном устройстве.
1. Алгоритм Виолы-Джонса
Распознавание лиц и глаз с помощью Viola-Jones вместе с кодом Python..
Все шаги по созданию вашего первого классификатора изображений (с кодом)
От создания наборов данных до проверки точности вашей программы
Если вы хотите создать классификатор изображений, но не знаете, с чего начать, следуйте этому краткому руководству, чтобы понять концепции и научить сверточную нейронную сеть распознавать любое изображение, которое вы хотите!
Для этого предоставленный код написан на Python (3.x), и мы в основном будем использовать библиотеку Keras.
Прежде всего, если вы понятия не имеете, что такое нейронная сеть, я могу только..
Понимание функции torch.gather в Pytorch
Два аргумента этой функции, index и dim , являются ключом к пониманию функции.
В случае 2D dim = 0 соответствует строкам, а dim = 1 соответствует столбцам.
В случае 3D dim = 0 соответствует изображению из пакета, dim = 1 соответствует строкам, а dim = 2 соответствует столбцам.
Случай двумерного входного тензора
1. Понимание аргумента dim:
а. Когда dim = 0, мы выбираем строки.
б. Когда dim = 1, мы выбираем столбцы.
2. Понимание аргумента индекса:
а. Аргумент индекса..
Автоматизация: противоядие от неэффективности маркировки
Наука о данных в реальном мире
Автоматизация: противоядие от неэффективности маркировки
Инновации машинного обучения в маркировке данных; Взгляните на то, как Playment использует инструменты аннотирования с помощью машинного обучения, чтобы ускорить процесс маркировки и повысить точность маркировки.
По мере появления все большего количества технологий на базе ИИ глобальная сфера данных постоянно расширяется. Эта улучшенная доступность данных является неоспоримым преимуществом..
Vidrovr получает награду NSF Phase II Award
Американский посевной фонд при поддержке NSF предоставляет финансирование для R Помогает малым предприятиям продвигать инновации из лаборатории на рынок.
Нью-Йорк, штат Нью-Йорк — компания Vidrovr Inc. получила грант Национального научного фонда (NSF) Small Business Innovation Research (SBIR) Phase II Grant в размере 750 000 долларов США для коммерциализации инновационных технологий путем проведения исследований и разработок в области использования машинного обучения и компьютерного..
Серебряная медаль для лечения прогрессирования легочного фиброза OSIC
Введение:
Прежде всего, хочу поблагодарить kaggle и OSIC за проведение этого конкурса. Также хочу поблагодарить своих товарищей по команде Джагадиш и Шубхам . В этом соревновании нас попросили спрогнозировать степень тяжести снижения функции легких у пациента на основе компьютерной томографии легких и данных спирометра, который измеряет объем вдыхаемого и выдыхаемого воздуха, а также данные таблицы были предоставлены в качестве входных данных для конкурентов, которые включали..
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..