Публикации по теме 'computer-vision'
Библиотеки и расширения TensorFlow
В этой статье мы рассмотрим некоторые ключевые расширения и библиотеки в TensorFlow 2.x (TF 2.x). Это будет включать наборы данных TF, концентратор TF, XLA, оптимизацию модели, TensorBoard, вероятность TF, нейронное структурированное обучение, обслуживание TF, объединение TF, графику TF и MLIR.
Наборы данных TensorFlow
Он поддерживает загрузку многих популярных наборов данных. Для получения полного списка ознакомьтесь с набором данных TF category . Вот пример кода для загрузки..
Начало работы с компьютерным зрением
Компьютерное зрение — заманчивая область исследований. Исходя из места, где цифровая обработка изображений теперь стала частью учебной программы, компьютерное зрение по-прежнему остается продвинутой областью, о которой вы можете подумать позже. Самый первый вопрос, который возник у меня в голове, заключался в том, чем он отличается от обработки изображений. При обработке изображений нас больше интересует преобразование изображений или применение некоторых методов для улучшения изображений..
Начало работы с набором данных COCO
Понимание формата популярных наборов данных для компьютерного зрения
Вступление
Набор данных COCO ( официальный веб-сайт ), что означает Общие объекты в контексте , представляет собой набор сложных высококачественных наборов данных для компьютерного зрения, в основном современных нейронных сетей. Это имя также используется для обозначения формата, используемого этими наборами данных.
Цитата создателей COCO:
COCO - это крупномасштабный набор данных для обнаружения, сегментации и..
Итоги ECCV 2018
Итоги ECCV 2018
Это обзор (заметки) Европейской конференции по компьютерному зрению 2018 г., которая проходила 8–14 сентября в Мюнхене. Более 3000 участников. Более 700 плакатов. 3 дня семинаров и 6 дней конференции. Все происходит в великолепном Мюнхене.
Сайт конференции: https://eccv2018.org/
Статьи: http://openaccess.thecvf.com/ECCV2018.py
Основная конференция
Главное мероприятие было очень интенсивным, вскоре стало очевидно, что невозможно сделать и то, и другое:..
Классификатор изображений с несколькими метками для обнаружения угроз с помощью вывода FP16 (часть 2)
В предыдущем посте мы говорили об использовании классификатора с несколькими ярлыками для классификации угроз, чтобы решать проблемы, когда угроза на изображении не является заметным объектом. В этом посте мы собираемся обсудить использование исследовательского анализа данных (EDA) для нашего набора данных с несколькими метками и его результаты. Поскольку наша модель должна анализировать миллионы изображений, сохранение низкого времени вывода нашей модели является высшим приоритетом для..
Используй силу! ИИ предсказывает точки соприкосновения человека с объектом и силы по видео
«Это энергетическое поле, созданное всеми живыми существами, оно окружает нас и проникает в нас, оно связывает галактику воедино». Вот как мастер-джедай Оби-Ван Кеноби объясняет «Силу» Люку Скайуокеру. Невидимые, но могущественные силы природы также представляют интерес для современных исследователей машинного обучения, где понимание энергии, сил и физики имеет решающее значение для разработки реальных приложений ИИ.
Сила действительно везде. В физике сила — это любое..
Игрушечный автономный автомобиль
В этом проекте мы
построить игрушечную машинку из автомобильного комплекта робота, купленного на Amazon. запрограммируйте плату Arduino на машине, чтобы машина двигалась «по требованию» с помощью глубокой нейронной сети. обучить глубокую нейронную сеть распознавать дорожные знаки США построить конвейер обработки изображений, который:
захватывает кадры из потока камеры предварительно обработать его, чтобы изолировать интересующую область применить предсказание DNN к рентабельности..
