Публикации по теме computer-vision

Публикации по теме 'computer-vision'

Точечный продукт — это все, что вам нужно

Введение Большинство из нас слышали об этой концепции либо путем преднамеренного изучения из различных книг, статей и видео, либо благодаря невольным знаниям от наших друзей, которые много говорят о математике. Это понятие часто вводится в базовых курсах линейной алгебры. Предположим, у вас есть два вектора a = [1, 2, 4] и b = [2, 5, 8]. Применив скалярное произведение к этим векторам, вы получите скалярное значение 44 . Само скалярное произведение определяется следующим..

Сверточная нейронная сеть: концептуальный вид.

Сверточные нейронные сети (ConvNet/CNN) — это тип нейронных сетей, которые в основном используются для классификации и распознавания изображений. Архитектура ConvNet вдохновлена организацией Visual Cortex. ConvNet состоит из нейронов с весами, которые могут учиться на данных. ConvNet упорядочивает свой нейрон по трем измерениям: ширине, высоте и глубине. Каждый нейрон получает входные данные и выполняет скалярное произведение. Этот ввод проходит через скрытый слой. Каждый скрытый..

Можно ли исправить данные? О необходимости социально-информированных практик в исследованиях и образовании в области машинного обучения

Часть 1. Ошибки развертывания и подходы к данным Когда мы подходим к проекту машинного обучения (ML), где мы хотим решить конкретную задачу с помощью существующей или разрабатываемой модели ML, мы сразу же думаем о данных: их доступность всегда, их количество часто, их качество и способ создания. менее часто. Если вообще, то только на этапе тестирования мы можем попытаться лучше понять набор данных, используемый для обучения модели, определить причины возможных сбоев модели и..

Уязвимость глубокого обучения при ковариантном сдвиге данных Прадитья Рауди и Рифки Лутфан

Введение Современные нейронные сети способны достигать высокой производительности в точности, что делает их лучшим выбором для сложных приложений. Текущие исследования и разработки постоянно улучшают производительность для различных областей, и эта область сейчас более популярна, чем когда-либо. Однако одним из его недостатков являются проблемы с надежностью, которые возникают из-за отсутствия гарантии того, что такая производительность будет хорошо обобщаться на перестановки и невидимые..

Часть I. Алгоритмы ML/AI для редактирования планировки помещения

Часть I. Алгоритмы ML/AI для редактирования планировки помещения Некоторое время назад запуск алгоритмов машинного обучения и нейронных сетей на графических процессорах AMD был нетривиальной задачей для обычного разработчика. Как часть команды GEMS AI/ML в Luxoft DXC, мы проводим много времени, работая над алгоритмами компьютерного зрения и машинного обучения. Помимо других проектов, мы занимаемся внутренними исследованиями и разработками для AMD — одного из наших основных клиентов...

Swin Transformers: самый мощный инструмент компьютерного зрения

Название цепляет, но это правда (по крайней мере, пока). Трансформаторы Swin, кажется, меняют правила игры во многих задачах компьютерного зрения, включая обнаружение объектов, классификацию изображений, семантическую сегментацию и, возможно, любую задачу зрения. Применение трансформаторов в задачах зрения начальный ViT (Vision Transformer) показал многообещающие характеристики, но адаптация трансформаторов для полного дополнения сверток по-прежнему считалась проблемой. С другой..

Использование CGI для создания синтетического изображения/сцены для обучения моделей машинного обучения компьютерного зрения

Введение Я работал со стартапом, исследующим применение машинного обучения/искусственного интеллекта (ML/AI), обученных моделей компьютерного зрения, для обнаружения активности в специализированных вертикальных отраслях, а также в других узкоспециализированных случаях использования в биологии. Примеры включают: Практики безопасности при бурении/переработке нефти и газа, строительстве, Безопасность линий электропередач, Поведение животных в естественных условиях. Это варианты..