Статьи по теме computer-vision

Публикации по теме 'computer-vision'

Резюме статьи: Dropout: простой способ предотвратить переобучение нейронных сетей

Шривастава, Нитиш и др. Журнал исследований машинного обучения (2014 г.) Ссылка на оригинал статьи . Мое первое знакомство с отсевом было в Специализации Эндрю Нг по глубокому обучению на Coursera, которая дала довольно четкое представление о том, как и почему работает отсев, используя простой пример классификатора кошек, который с тех пор остался со мной. Хотя этот метод уже использовался в статье AlexNet, эта рукопись обеспечивает глубокое понимание и анализ отсева с тщательным..

Примеры использования компьютерного зрения в спортивной индустрии

Использование расширенного CV (или приложений «компьютерного зрения») в спорте в конечном итоге позволяет проводить высокоэффективный, быстрый и точный анализ действий, условий и окружающей среды во всех возможных спортивных мероприятиях. Невооруженный человеческий глаз постепенно заменяется умными алгоритмами, которые автоматически выполняют всю громоздкую аналитику. Эти возможности могут помочь лучше анализировать ключевые моменты спортивных событий, позволяя нам получать более точные..

Автоматизация оценки качества обучающих данных с помощью Encord

Эта статья изначально была опубликована в блоге Encord, который вы можете прочитать здесь . Эрик Ландау При создании моделей ИИ инженеры по машинному обучению сталкиваются с двумя проблемами в отношении маркировки обучающих данных: проблемой количества и проблемой качества. Долгое время инженеры по машинному обучению застревали на проблеме количества. Модели контролируемого машинного обучения нуждаются в большом количестве помеченных данных, и производительность модели..

Псевдоним в изображениях

Вы когда-нибудь сталкивались с изображением, подобным приведенному выше? Вы можете заметить, что в верхней части мы не видим шахматного узора, а пиксели несколько не такие четкие, как в нижней части. Вы когда-нибудь задумывались, что вызывает это? Чтобы объяснить это явление, давайте возьмем пример в одном измерении. Давайте рассмотрим синусоидальную волну - Если мы возьмем некоторые моменты на этой синусоидальной волне - Мы можем заметить, что у нас есть достаточное..

Как скачать ActivityNet и оценить модели понимания видео

Руководство по загрузке, визуализации и оценке моделей в наборе данных ActivityNet с использованием FiftyOne. Год за годом вызов ActivityNet раздвигал границы того, на что способны модели понимания видео. Обучение модели машинного обучения классификации видеоклипов и обнаружению действий, выполняемых в видео, — непростая задача. К счастью, команды разработчиков наборов данных, такие как Kinetics и ActivityNet , предоставили огромное количество видеоданных сообществу компьютерного..

Ускорение моделей обнаружения объектов, привязанных к памяти: MobileNetV2_SSD — Neural Magic

TL;DR: узнайте больше о повышении производительности моделей MobileNetV2_SSD за счет обрезки и сокращения времени постобработки. Чтение время : 3 минуты 15 секунд. Во многих сценариях обнаружения объектов нельзя терять ни минуты. Доля секунды может означать разницу между тем, когда беспилотный автомобиль сбивает собаку, переходящую дорогу, или едва не промахивается мимо нее. И скорость, и точность имеют решающее значение. Модели MobileNetV2_SSD были созданы для случаев..

Компьютерное зрение становится все более эффективной технологией для решения общих сельскохозяйственных задач, таких как прогноз урожайности,...

Диапазон архитектур DL в литературе подпадает под одну из сверточных нейронных сетей (CNN), полностью сверточных сетей (FCN), сетей региональных предложений (RPN), сверточных сетей графов (GCN) или гибридных сетей (HN), в зависимости от подход к классификации сорняков. В рамках CNN, взяв предварительно обученные веса с использованием трансферного обучения из общедоступных наборов данных, таких как ImageNet [3], COCO [4] и KITTI [5], исследователи сравнили различные популярные..