Публикации по теме computer-vision

Публикации по теме 'computer-vision'

Обнаружение мяча с помощью ИИ с компьютерным зрением в спорте

Быстрый просмотр доступных решений для автоматического определения мяча 🚩 Цель Мы хотим оценить самый быстрый способ обнаружения мяча на спортивном мероприятии, чтобы разработать спортивный ИИ, не тратя миллионы долларов на технологии или разработчиков. Мы быстро выяснили, что обнаружение мяча - ключевой компонент для разработки надежного спортивного ИИ. (я не технический специалист в своей команде, что означает, что точка зрения, изложенная в этом сообщении, не приведет вас..

Преобразование изображения в изображение

Преобразование изображения в изображение - это класс проблем со зрением и графикой, целью которого является изучение соответствия между входным и выходным изображениями. Его можно применять в широком спектре приложений, таких как перенос стиля коллекции, преобразование объектов, перенос времени года и улучшение фотографий. CycleGAN Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks(ICCV 2017) Бумага / Проект / Семантический ученый Авторы..

Как стать экспертом в области компьютерного зрения?

Этот вопрос уже давно меня озадачивает; Как стать экспертом в области компьютерного зрения? Под экспертом я имею в виду инженера-программиста, также известного как разработчик. Стоит ли мне читать больше книг? записаться на академическую программу? онлайн-курсы? участвовать в проектах с открытым исходным кодом? подать заявку на соответствующую стажировку / работу? выполнять исследовательские работы? Это озадачило меня до такой степени, что я даже усомнился в том, что этот вопрос..

3 проекта глубокого обучения для создания изображений

В этой статье я перечисляю 5 проектов глубокого обучения для создания изображений. Вы можете увидеть полный список всех проектов глубокого обучения на DeepLink . 1. Создание человеческих лиц с помощью GAN Этот проект основан на статье Прогрессивное развитие сетей GAN для повышения качества, стабильности и разнообразия . Ключевая идея состоит в том, чтобы постепенно наращивать как генератор, так и дискриминатор: начиная с низкого разрешения, мы добавляем новые слои, моделирующие все..

Капчи на кусочки (1/3)

Часть 1. Введение Вы когда-нибудь задумывались, как на самом деле дешифруются капчи? Что ж, довольно пугающе осознавать, что он включает в себя сложные алгоритмы машинного обучения наряду с методами глубокого обучения, основанными на современной математике. Шучу ... Это довольно просто, но требует небольшого понимания области компьютерного зрения и обработки изображений и, конечно же, чайной ложки машинного обучения. Чтобы быть более конкретным, декодирование капчи является примером..

Применение разделения переднего и заднего плана с глубоким обучением

Разделение переднего и заднего планов всегда было огромной проблемой до появления нейронных сетей на основе обнаружения объектов. Пришлось использовать такие методы обработки изображений, как сегментация на основе цвета, сегментация на основе глубины и другие традиционные методы. Сегодня с помощью готовых моделей глубокого обучения стало очень легко замаскировать интересующую область и отделить передний план от фона. Приложения: - Портретный режим с глубоким обучением Размытие фона..

Введение в FAST (функции ускоренного тестирования сегмента)

Мы видели несколько детекторов функций, и многие из них действительно хороши. Но если смотреть с точки зрения приложения в реальном времени, они недостаточно быстры. Лучшим примером может служить мобильный робот SLAM (одновременная локализация и отображение), который имеет ограниченные вычислительные ресурсы. В качестве решения этой проблемы Функции ускоренного тестирования сегмента (FAST) представляет собой метод определения углов, который можно использовать для извлечения..