WedX - журнал о программировании и компьютерных науках

Публикации по теме 'computer-vision'


Руководство по использованию U-сетей для сегментации изображений
Сегментация изображений - это мощный метод определения местоположения объектов или границ в изображениях на уровне пикселей. В этом блоге мы кратко рассмотрим, как работают U-Nets, и узнаем, как они строятся на стандартных CNN. Обработка изображений на основе глубокого обучения (DL) сейчас используется во многих отраслях. В частности, такие методы, как классификация изображений (т. Е. Определение того, что представляет собой изображение) и обнаружение объекта (т. Е. Идентификация объекта..

Программа Instruct-NeRF2NeRF Калифорнийского университета в Беркли редактирует 3D-сцены с помощью текстовых инструкций
Недавний прогресс в нейронной 3D-реконструкции значительно упростил захват реалистичных цифровых представлений реальных 3D-объектов и сцен с помощью полей нейронного излучения (NeRF), созданных с использованием информации с нескольких точек обзора камеры. Однако современные подходы к редактированию таких 3D-представлений гораздо менее доступны и обычно требуют специальных инструментов.

Практические задачи, математика и искусственный интеллект
В конце первого поста я написал, что дальше мы будем изучать базовую нейронную сеть, но позже я понял, что должен быть другой раздел, в котором искусственный интеллект обсуждается с математической точки зрения. Это тема этого небольшого раздела, за которым последует сообщение о перцептронах . Способность формулировать проблему в форме уравнений в голове, на листе бумаги или в компьютере позволяет нам искать решения и переводить их в действия в реальном мире. Если бросить мяч в..

Краткое руководство по мультимодальному машинному обучению с помощью CLIP от OpenAI
Узнайте, как переводить текст в изображение и обратно с помощью CLIP и векторных вложений. Через несколько коротких лет жизни дети могут понять концепции простых слов и связать их с соответствующими изображениями. Они могут определить связь между формами и текстурами физического мира с абстрактными символами письменного языка. Это то, что мы принимаем как должное. Очень немногие (если вообще есть) люди в мире помнят время, когда эти «базовые» навыки были им не по силам. Компьютеры..

Состязательные атаки: подробный обзор — Часть 1
В последнее время глубокое обучение зарекомендовало себя как очень эффективный инструмент для решения сложных проблем в различных областях, таких как здравоохранение (компьютерная диагностика, поиск лекарств), финансы (обнаружение мошенничества), автомобили (беспилотные автомобили, робототехника). ), СМИ (агрегация новостей и обнаружение поддельных новостей) и другие повседневные утилиты (такие как виртуальные помощники, языковой перевод, извлечение информации) Однако теперь известно, что..

Минимизация ядерной нормы циркулянтной матрицы для рисования изображений в Python
Представьте, что такое циркулянтная матрица и минимизация ее ядерной нормы, и дайте эффективную реализацию с помощью быстрого преобразования Фурье для рисования изображения. В машинном обучении у нас есть некоторые специальные алгебраические структуры, такие как матрица Ганкеля, циркулянтная матрица и матрица Теплица. Используя эти структуры, мы можем обнаружить внутренние корреляции данных. В этой истории мы представляем…

Bundle Adjusting Neural Radiance Fields (BARF)
Расслабление до неточных/неизвестных поз камеры в Neural Radiance Fields Сегодня мы представляем Bundle Adjusting Neural Radiance Fields (BARF). Эта работа была представлена ​​на ICCV примерно в октябре 2021 года, то есть примерно год назад с момента написания этой статьи. Мы рассмотрим представленные идеи, проведем небольшие эксперименты с кодом и изучим соответствующую математику, стоящую за некоторыми формулировками. Пост предполагает некоторое знакомство с исходным NeRF и базовым..

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..


Для любых предложений по сайту: [email protected]