Публикации по теме 'computer-vision'
Введение в компьютерное зрение
Основная идея компьютерного зрения такова: что, если компьютеры могут «видеть» и интерпретировать окружающий их мир, или просто вы можете сказать, что у компьютеров есть глаза, они могут видеть и различать объекты, как это делает человек.
Оглавление
1.Что такое компьютерное зрение?
2.Как работает компьютерное зрение?
3. Различение компьютерного зрения со смежными областями.
4.Где мы можем применить технологию компьютерного зрения?
5. Три проекта Computer Vision для начинающих...
Автоматизированные отчеты о мусоре с использованием ИИ и дронов
Незаконные свалки — широко распространенная проблема, с которой города по всему миру пытаются бороться. Традиционные решения основаны на патрулировании улиц городскими уборщиками в поисках свалок, а это трудоемкий и ресурсоемкий подход, который не всегда дает полную картину проблемы.
Чтобы решить эту проблему, мы разработали автоматизированную систему отчетности о мусоре, которая использует искусственный интеллект и дроны для предоставления высокочастотных отчетов о каждой незаконной..
Объяснение документов 29: ConvMixer
ConvMixer во многих отношениях похож на Vision Transformer (и MLP-Mixer): он напрямую работает с патчами, поддерживает представление одинакового разрешения и размера на всех уровнях, не выполняет понижающую дискретизацию представления на последовательных слоях и он отделяет «канальное смешивание» от «пространственного смешивания» информации. Но в отличие от Vision Transformer и MLP-Mixer, ConvMixer выполняет все эти операции только с помощью стандартных сверток.
ConvMixer состоит из..
NVIDIA AdaViT останавливает вычисление токенов для адаптивной настройки стоимости вывода ViT на изображениях…
Вслед за производительностью архитектур-трансформеров SOTA в задачах обработки естественного языка появляется новое поколение преобразователей зрения (ViT), которые меняют правила игры в области компьютерного зрения. Тем не менее, ViT унаследовали большие вычислительные возможности оригинальных трансформеров с высоким качеством изображения…
Теннисный анализ с использованием глубокого обучения и машинного обучения.
Теннис – это вид спорта, в который играют во всем мире. Наблюдая за игрой в теннис, вы можете автоматически обогащать представление количеством подач в центре или в углах, глубиной игры мячом, предпочтениями влево или вправо, в зависимости от того, где находится игрок. Такую статистику могут предоставить такие инструменты, как Hawk-Eye, IBM Slamtracker и так далее.
Hawk-Eye — это сложная система, включающая до десяти высокоскоростных камер, способных с высокой точностью отслеживать мяч,..
Компьютерное зрение с OpenCV
Компьютерное зрение — одна из важнейших областей науки о данных. Компьютерное зрение — это область исследований, цель которой — воспроизвести человеческую зрительную систему в компьютере. Это позволяет компьютеру получать, отображать, анализировать, идентифицировать и извлекать информацию из изображений, видео или других визуальных выходных данных.
Сегодня я познакомлю вас с одним из самых популярных инструментов для работы с компьютерным зрением — Open CV.
OpenCV — это..
Полные архитектурные детали всех моделей EfficientNet
Давайте углубимся в архитектурные детали всех различных моделей EfficientNet и выясним, чем они отличаются друг от друга.
Я просматривал записные книжки в соревновании Kaggle и обнаружил, что почти все используют EfficientNet в качестве основы, о которой я не слышал до этого. Он представлен в этой статье Google AI, и они попытались предложить метод, который более эффективен, как следует из его названия, при этом улучшая современные результаты. Как правило, модели делаются слишком..
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..