Праздничные покупки игрушек в дополненной реальности, экзамены Microsoft на получение водительских прав с использованием искусственного интеллекта, фотошоп на базе искусственного интеллекта на мобильных устройствах, детектор лиц размером 1 МБ и многое другое

НОВОСТИ

Microsoft тестирует систему искусственного интеллекта на базе смартфона для проверки водительских прав в Индии

В сотрудничестве с Институтом исследований вождения и дорожного движения новая система Microsoft использует ИИ для измерения взгляда водителя, траектории автомобиля и его расстояния до объектов (с использованием как задней, так и передней камеры). Это мобильное ИИ-решение было разработано, чтобы напоминать оценщиков-людей и повышать их квалификацию. Экзамены по вождению в Индии, как правило, не регулируются должным образом, поэтому есть надежда, что такое решение поможет избежать неудач и снизит проблематичную зависимость от оценки со стороны человека. ["Подробнее"]

Компания Toys R Us сотрудничает со Snapchat, чтобы сделать покупки в дополненной реальности

Как раз к праздничному сезону Toys R Us Canada заключила партнерское соглашение со Snapchat, чтобы предложить покупателям новый вид покупок. Это партнерство, основанное на AR, также является частью маркетингового развертывания Snapchat их Portal Lens, который был доступен уже некоторое время и использует встроенное отслеживание, чтобы позволить пользователям свободно перемещаться по всей сцене AR. В качестве краткого обзора, когда клиенты Toys R Us открывают Snapchat в магазине и выбирают Portal Lens, появляется трехмерный жираф и привлекает пользователей к опыту и сцене AR. ["Подробнее"]

Новое приложение Adobe помещает Photoshop в камеру вашего телефона

Мы отмечали некоторые улучшения программного обеспечения Photoshop на базе искусственного интеллекта в предыдущих выпусках, но это мобильное развертывание является кульминацией стремления Adobe интегрировать свои сервисы Sensei AI в предложение потребительских продуктов. Включен впечатляющий список функций на базе искусственного интеллекта: динамические световые эффекты, передача художественного стиля и многое другое. Основная цель состоит в том, чтобы автоматизировать эффекты, которые пользователи использовали для управления на уровне пиксель за пикселем. Примечательно, что все функции на базе искусственного интеллекта работают в автономном режиме, что означает низкую задержку и конфиденциальность данных для пользователей. ["Подробнее"]

Evolve Energy использует мобильное машинное обучение и аналитику для экономии денег потребителей возобновляемой энергии

Приложение (доступное как для iOS, так и для Android) дает потребителям электроэнергии, работающей на ветровой и солнечной энергии, возможность извлекать выгоду из лучших оптовых цен на энергию при их колебаниях. Функция искусственного интеллекта приложения работает путем подключения к интеллектуальным термостатам пользователей, и в будущем планируется подключение к интеллектуальным обогревателям, бытовой технике и автомобилям. Прогнозируя скачки цен почти в реальном времени, приложение может инициировать корректировку, которая, например, охлаждает дом пользователя перед тем, как он вернется с работы, в пределах параметров, установленных пользователем. Интересное обсуждение самого приложения и его потенциального влияния на рынок возобновляемых источников энергии. ["Подробнее"]

Чем умнее, тем лучше: функция распознавания лиц для смартфонов

Этот пристальный взгляд на новый Ультралегкий-быстрый-общий-детектор лиц (репозиторий GitHub, ссылка на который приведен ниже) от людей из Synced Review дает действительно впечатляющие результаты. Окончательная модель имеет размер всего 1 МБ, а 8-битная квантованная версия модели - всего 300 КБ. Ранние тесты показывают, что эта модель превосходит Retinaface-MobileNet-0.25 на простых, средних и сложных наборах изображений с одним входом. Однако есть некоторые ограничения, особенно когда речь идет о различных разрешениях ввода. ["Подробнее"]

КОД / БИБЛИОТЕКИ

[GitHub] Linzaer / Ultra-Light-Fast-Generic-Face-Detector-1 МБ

Легкая модель распознавания лиц для мобильных устройств. ["Исследовать"]

[GitHub] kodefish / travel-co2-footprint-Calculator

Приложение, которое использует данные датчиков для определения вида транспорта во время поездки и расчета его углеродного следа. ["Исследовать"]

[GitHub] narner / ESC10-CoreML

Модель Core ML с открытым исходным кодом, обученная на наборе данных ESC10 (классификация аудио). ["Исследовать"]

ОБУЧЕНИЕ

Улучшение AR с помощью машинного обучения

Дэниел Ротманн с отличным взглядом на то, как дополненная реальность и машинное обучение могут работать в тандеме для создания невероятного пользовательского опыта. ["Учить больше"]

Визуальные слова для пробуждения с TensorFlow Lite Micro

От команды TensorFlow краткий обзор того, как визуальные слова для пробуждения, которые позволяют устройствам просыпаться в присутствии человека, реализуются на микроконтроллерах с TFLite. ["Учить больше"]

Простой классификатор тем для iOS с помощью Apple Natural Language Framework

Омар М’Хаимдат реализует классификацию текста в iOS, чтобы помочь классифицировать контент, созданный пользователями, по тематике. ["Учить больше"]

Создание сканера штрих-кода в Swift для iOS

Рик Вьеренга рассказывает, как использовать платформу Apple Vision для создания приложения для iOS, которое может сканировать штрих-коды и возвращать информацию о том, что сканируется. ["Учить больше"]

Создание Android-приложения для автономного перевода с помощью Firebase ML Kit

Харшит Двиведи показывает, как использовать API перевода на устройстве ML Kit для создания приложения для Android, которое может автоматически переводить текст, найденный на изображении. ["Учить больше"]

Примечание редактора. Heartbeat - это онлайн-публикация и сообщество, созданное авторами и посвященное изучению зарождающегося пересечения разработки мобильных приложений и машинного обучения. Мы стремимся поддерживать и вдохновлять разработчиков и инженеров из всех слоев общества.

Независимая редакция, Heartbeat спонсируется и публикуется Fritz AI, платформой машинного обучения, которая помогает разработчикам учить устройства видеть, слышать, ощущать и думать. Мы платим участникам и не продаем рекламу.

Если вы хотите внести свой вклад, переходите к нашему призыву участников. Вы также можете подписаться на наши еженедельные информационные бюллетени (Deep Learning Weekly и Fritz AI Newsletter), присоединяйтесь к нам на » «Slack и подписывайтесь на Fritz AI в Twitter , чтобы узнавать обо всех последних новостях в области мобильного машинного обучения.