Публикации по теме 'deep-learning'
Оптическое распознавание символов
OCR ( Оптическое распознавание символов ) – это технология, которая позволяет преобразовывать типы документов, такие как отсканированные бумажные документы, файлы PDF или изображения, сделанные цифровой камерой, в редактируемые и доступные для поиска данные. OCR создает слова из букв и предложения из слов, выбирая и отделяя буквы от изображений.
В этой статье мы сравниваем Keras OCR, PyTesseract и EasyOCR.
Если у вас нет никаких предварительных знаний, я могу порекомендовать это...
Обнаружение объектов с помощью учебника YOLOv5 — Данные двигают меня
Добро пожаловать! Я написал этот обзор моего проекта компьютерного зрения, чтобы обнаружить школьный автобус, проезжающий мимо моего дома. Это для человека, который хочет начать играть с компьютерным зрением и хочет увидеть проект от начала до конца. В этой статье я начну с объяснения проблемы, которую я пытаюсь решить, упомяну выбранную мной камеру, покажу краткое руководство по opencv, создам изображения и расскажу о различных пакетах Python, которые я использую. Репозиторий проекта..
Варианты использования вспомогательных задач, часть 1 (искусственный интеллект)
Взвешивание на уровне выборки для многозадачного обучения со вспомогательными задачами (arXiv)
Автор: Эмили Грегуар , Хафиз Чаудхари , Сэм Вербовен .
Аннотация: Многозадачное обучение (MTL) может повысить эффективность обобщения нейронных сетей за счет совместного использования представлений со связанными задачами. Тем не менее, MTL также может снижать производительность из-за вредных помех между задачами. В недавней работе в качестве решения этой проблемы рассматривалась..
Как работает стохастическое сопоставление, часть 1 (расширенная статистика)
Модель стохастического сопоставления на общих графических структурах (arXiv)
Автор: Юссеф Раме
Аннотация: Руководствуясь широким спектром систем сборки на заказ и систем совместной экономики, мы представляем модель стохастического сопоставления на гиперграфах и мультиграфах, расширяя модель, представленную Майрессом и Мойалом, 2016. В этой диссертации модель стохастического сопоставления (S, Φ, μ) на общих структурах графа определяется следующим образом: при заданной общей..
Объяснение современного состояния сверточных нейронных сетей (CNN) - DenseNets
Глубокое обучение
Объяснение современных сверточных нейронных сетей - DenseNets
Распознавание лиц, таргетированная реклама и распознавание изображений имеют одну общую черту. Все они выполняются с использованием лучших сверточных нейронных сетей.
Изначально опубликовано на louisbouchard.ai , прочтите его за 2 дня до этого в моем блоге !
Сверточные нейронные сети
Сверточные нейронные сети, также называемые CNN, являются наиболее часто используемым типом нейронных сетей и..
Как работает квантовое распределение ключей, часть 2 (квантовая информация)
Точный анализ с конечным ключом для распределения квантовых ключей с сопряжением мод (arXiv)
Автор: Зэ-Хао Ван , Чжэнь-Цян Инь , Шуан Ван , Жун Ван , Фэн-Юй Лу , Вэй Чен , Дэ-Юн Хэ , Гуан-Цань Го . », Чжэн-Фу Хань
Аннотация: Распределение квантовых ключей со спариванием режимов (MP-QKD) — это потенциальный протокол, который не только невосприимчив ко всем возможным атакам по побочным каналам детектора, но также нарушает ограничение скорости передачи без использования..
Простое введение в параллелизм данных в JAX
Параллелизм данных в JAX достигается с помощью функции pmap .
TL;DR
1. params и opt_state должны быть реплицированы на всех устройствах:
replicated_params = jax.device_put_replicated(params, jax.devices())
2. data и labels нужно разделить на устройства:
n_devices = jax.device_count()
batch_size, *data_shapes = data.shape
assert batch_size % n_devices == 0, 'The data cannot be split evenly to the devices'
data = data.reshape(n_devices, batch_size // n_devices, *data_shapes)..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
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..