Публикации по теме 'computer-vision'


Как соответствовать: учиться или не учиться? (часть 2)
Продолжим изучение нюансов нахождения соответствий изображений. В прошлый раз мы рассмотрели реализации SIFT . Теперь я покажу вам, как бесплатно (или почти бесплатно) улучшить сопоставительную часть процесса. Резюме: локальные особенности обнаруживаются, и локальные области изображения вокруг них встраиваются в вектор плавающих объектов (SIFT, HardNet и т. Д.). Затем вычисляется L2, известное как евклидово расстояние между каждой парой, и ключевая точка на втором изображении,..
4 препятствия для обработки данных при разработке медицинского искусственного интеллекта
Поскольку здравоохранение и медицина вступают в четвертую промышленную революцию постоянной автоматизации и использования интеллектуальных технологий, искусственный интеллект (ИИ) показывает большие перспективы в таких областях, как открытие лекарств, диагностика пациентов и лечение. Тем не менее, несмотря на быстро растущий спрос, для разработки моделей остаются проблемы. Эти проблемы включают в себя те, которые присущи машинному обучению, такие как необходимость рассматривать..
Ресурсы по компьютерному зрению, глубокому обучению и машинному обучению
Это составленный список полезных ресурсов по компьютерному зрению, глубокому обучению и машинному обучению. Это будет полезно для людей, которые пытаются получить больше знаний в области глубокого обучения и компьютерного зрения. Ниже приведены некоторые из ресурсов, которые я использовал для своих целей обучения. Компьютерное зрение: Введение в компьютерное зрение от Технологического института Джорджии, Udacity ( Ссылка ): этот курс содержит видеолекции и слайды. Это вводный курс...
Это удивительное приложение с искусственным интеллектом может обнаруживать рак с точностью 97%
Что мне нравится в машинном обучении, так это то, насколько молод рынок и сколько прекрасных бизнес-возможностей еще доступно. Всего 7 лет назад исследователи искусственного интеллекта начали использовать этот изящный трюк под названием «свертка», чтобы научить компьютер видеть. Теперь мы можем создавать приложения, которые могут воспринимать мир, анализировать то, что перед ними, и помогать нам делать то, что мы никогда не могли делать раньше. Это открывает совершенно новый рынок для..
Как настроить виртуальную среду в Anaconda для аннотации изображений с помощью LabelImg
ОБЗОР Задача Что такое аннотации к изображениям Различные типы аннотаций к изображениям Введение в LabelImg и как загрузить пакет Почему требуется среда и как ее настроить Активация среды и добавление каталога LabelImg Установка Pyqt, добавление ресурсов и запуск программного обеспечения LabelImg Что делать сейчас? Цель Цель этой статьи - научить вас создавать в Anaconda необходимую среду для labelImg - инструмента для аннотации изображений. Вы также..
TensorFlow Object Detection Aim Bot с многопроцессорной обработкой
В этом руководстве я объединю многопроцессорный код с кодом обнаружения объектов TensorFlow, чтобы максимизировать производительность FPS. Приветствуем всех в части 10 нашей серии руководств по API обнаружения объектов TensorFlow. Во-первых, вы можете скачать код на моей странице GitHub . Это будет последний урок в этой серии видеороликов о прицеливании CSGO, потому что сейчас я потратил слишком много времени на этот урок. Тем не менее, мне удалось добиться наилучшего результата, на..
[CVPR 2019] Эффективное онлайн-отслеживание двухмерных поз для нескольких людей с повторяющимся пространственно-временным сродством…
Обнаруживайте и отслеживайте 2D-позы нескольких людей в реальном времени со скоростью 30 кадров в секунду на одном графическом процессоре. В этом посте мы рассмотрим новый документ под названием «Эффективное онлайн-отслеживание двухмерных поз для нескольких людей с помощью повторяющихся пространственно-временных полей сродства» из CVPR 2019 . Авторы представляют онлайн-подход для эффективного и одновременного обнаружения и отслеживания двухмерных поз нескольких людей со скоростью..