Публикации по теме 'computer-vision'
Визуальное семантическое сходство слова с предложением для создания титров: усвоенный урок
В этом сообщении в блоге я поделюсь с вами некоторыми знаниями и уроками, извлеченными из нашей недавней идеи исследования , которая должна работать в теории (т. е. BERT + GloVe), но на практике она не работает в нашем сценарии.
Недавний современный прогресс в предварительно обученных моделях зрения, языка и субтитров к изображениям в значительной степени зависит от длительного обучения на обильных данных. Однако эти улучшения точности зависят от длительных итераций обучения и наличия..
Преимущества искусственного интеллекта для управления дорожным покрытием
Искусственный интеллект (ИИ) произвел революцию в различных отраслях, и управление дорожными покрытиями не станет исключением. На самом деле, это изменит правила игры.
Интеграция искусственного интеллекта в управление дорожными покрытиями приведет к повышению эффективности, экономичности и последовательности в выявлении дефектов технического обслуживания и ремонта дорожных покрытий и связанной с ними сетевой инфраструктуры.
Одним из ключевых преимуществ ИИ в управлении дорожным..
Лучший способ обучить нейронные сети
Пять советов от экспертов в области глубокого обучения и компьютерного зрения
Я попросил дюжину легенд глубокого обучения в Deci AI поделиться своими любимыми советами по обучению нейронных сетей…
Эти 5 встречались чаще всего:
Экспоненциальная скользящая средняя Усреднение веса Пакетное накопление Точная норма партии Нулевое снижение веса в зависимости от нормы и смещения партии
Позвольте мне разбить их для вас…
1) Экспоненциальная скользящая средняя
Попасть в..
Этот умный ИИ скрывал данные от своего создателя, чтобы обманывать поставленную задачу.
Вы знаете о Законе непредвиденных последствий?
В общих чертах это сводится к следующему:
Любое действие, связанное со сложной системой, обязательно приведет к непредвиденным последствиям.
Это особенно актуально в области машинного обучения, где мы работаем с очень сложным программным обеспечением. Системы машинного обучения почти всегда имеют непредвиденные побочные эффекты.
Вот прекрасный пример.
Рассмотрим сеть глубокой сверточной обратной графики или DCIGN.
Это выглядит так:..
Получение лучшей модели с использованием Python API для MLflow
Это пятая статья в моей серии руководств по MLflow:
Настроить MLflow в производстве MLflow: Основные функции ведения журнала Ведение журнала MLflow для TensorFlow Проекты MLflow Получение лучшей модели с помощью Python API для MLflow (вы здесь!) Обслуживание модели с помощью MLflow
В этом руководстве показано, как получить ранее зарегистрированную модель из выполнения MLflow.
Предположим, вы выполнили несколько испытаний следующего примера с разными параметрами:..
Приложение iOS ML за 1 час.
Это верно. Используя правильные инструменты, я перешел от 0 к 1 во встроенном приложении ML для iPhone в течение 1 часа. Как я это сделал?
Идея
Я люблю гольф, и у меня не было контактных линз, когда я играл на прошлой неделе 😣. Было невероятно сложно найти мяч, поэтому я подумал: ОК, MVP для детектора объектов мячей для гольфа на iPhone.
3…2..1.GO.
Данные
Я запрыгнул на Roboflow, который является моей предпочтительной платформой для аннотирования наборов данных, и взял..
Классификация языка жестов в веб-браузере
Вот как я разработал это маленькое веб-приложение , которое запускает 3D-оценщик поз и классификатор поз в веб-браузере. Проект основан на документе Распознавание жестового языка с помощью сингальской дактилоскопии с помощью компьютерного зрения , который представляет собой исследование разработки переводчика жестового языка в реальном времени с использованием небольшого набора обучающих данных. Экспериментальная установка реализована на Python и способна работать со скоростью 30 кадров в..
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..