Публикации по теме 'computer-vision'
ИИ для выявления диабетической ретинопатии и глаукомы с помощью изображений сетчатки и ResNet34
ИИ в здравоохранении перспективен. Возможность диагностировать пациента практически с нулевыми затратами, практически в любое время и практически в любом месте не имеет себе равных, учитывая масштабы и масштабы заболеваний.
Я пробовал свои силы в проекте ИИ для здравоохранения — обнаруживал диабетическую ретинопатию и глаукому только по фотографии глаза. Я сделал это еще в 2020 году, но не успел поделиться. Это был эксперимент, который только что сработал, полное доказательство..
ИИ в геномике: отраслевые данные — Возможности и проблемы
Необходимость контролировать затраты и время на разработку и открытие лекарств, увеличение государственных и частных инвестиций в ИИ в геномике, а также внедрение решений ИИ в точной медицине стимулируют рост этого рынка. Однако ожидается, что нехватка квалифицированной рабочей силы в области искусственного интеллекта и неоднозначные нормативные требования для медицинского программного обеспечения будут сдерживать рост рынка искусственного интеллекта в геномике в течение прогнозируемого..
Практические советы по улучшению результатов квантования
Квантование может сделать ваши модели глубокого обучения меньше, быстрее и более энергоэффективными ( Я уже писал об этом ранее ).
Но этот процесс может привести к большой потере точности или не может улучшить скорость прогнозирования, если будет выполнен неправильно. Итак, я делюсь некоторыми практическими советами, как минимизировать потерю точности при сохранении хорошей скорости вывода. Эти пункты действительны как для квантования после обучения , так и для обучения с учетом..
ICCV 2019: конкурс «Обучение вождению» №3, место
Пролог
Популярность автономного вождения возросла не только в академическом сообществе, но и в отрасли, когда миллиарды долларов были вложены в разработку автономных транспортных средств 4-го уровня.
Одним из подходов к автономному вождению является сквозное вождение с помощью имитационного обучения. Модель учится подражать и водить как человек-водитель. Этот подход направлен на то, чтобы дополнить традиционную автономную систему вождения моделью вождения на основе нейронной сети,..
Light on Math ML: интуитивно понятное руководство по матричной факторизации
Вы никогда не будете бояться увидеть якобы пугающее уравнение матричной факторизации в своей жизни!
Код матричной факторизации : [ здесь ]
В этой статье вы узнаете о матричной факторизации, хлебе с маслом многих классических подходов к машинному обучению. В этой статье основное внимание будет уделено объяснению реальных приложений матричной факторизации (MF) (с примерами кода) и интуиции, лежащей в ее основе. Вы когда-нибудь думали, что матричную факторизацию можно использовать..
Классификация изображений недвижимости с использованием трансферного обучения
Агенты по недвижимости тратят много времени на просеивание огромных объемов графических данных, чтобы определить, какие из них использовать в рекламе недвижимости. Это задача классификации изображений недвижимости, цель которой состоит в том, чтобы классифицировать изображения с соответствующими классами с высокой точностью.
Это сквозное тематическое исследование классификатора изображений недвижимости, включая создание модели.
Бизнес-проблема:
Размещение фотографий является..
Понимание сверточных сетей
Сверточные сети или сверточные нейронные сети (CNN) стали доминирующим подходом к машинному обучению для визуального распознавания. Они повсеместно используются в области компьютерного зрения. Я начал работать над задачами обнаружения видеообъектов в начале этого года и был настолько очарован тем, как работает весь процесс. Я решил узнать больше о CNN и поделиться тем, что я нашел. Я бы начал с разговора о том, что меня смутило.
Являются ли CNN такими же, как модели обнаружения..
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..