Публикации по теме deep-learning

Публикации по теме 'deep-learning'

«Открывая новый мир возможностей: как использовать Twitter, доктор философии,

Отказ от ответственности: этот пост был создан с использованием генеративного ИИ — отнеситесь к его содержанию с недоверием! 🔥💥. Начните создавать свои собственные с помощью Cohere . TL;DR: Получение докторской степени. в мл? Послушайте Брайана Бернса, доктора философии. кандидат в основатель UW & AI Pub, в подкасте What’s AI, чтобы узнать о плюсах и минусах путешествия. Читайте полный блог на Medium и подписывайтесь на информационный бюллетень по ИИ, чтобы быть в курсе..

[Yolov7] обучите новейший Yolo с вашими пользовательскими данными

В этой истории на Medium я покажу вам, как обучить новейший Yolov7 с пользовательскими данными. Прежде всего, нам нужен набор данных. Раздел подготовки данных Я планировал обнаружить несколько овец и посчитать их на видео, поэтому мне нужны фотографии овец. Вы можете легко найти любые данные на Kaggle или подобных платформах. Я создал набор данных, содержащий 201 изображение овцы. Чтобы наполнить нашу модель данными, нам нужно сначала аннотировать эти необработанные данные..

OpenCV и изображения || {Повышение резкости}

большинство изображений, по которым кликают, бесполезны из-за отсутствия деталей Изображения часто отображаются как бесполезные из-за отсутствия деталей, доступных на конкретном изображении. Поскольку мы уже знаем, что изображения хорошего качества являются основой для лучших моделей, поэтому требование хороших детализированных изображений является обязательным. Для повышения качества изображения часто используются различные методы, такие как осветление, повышение резкости и..

Последние исследования в области гиперпространственных вычислений, часть 2

HDCC: компилятор гиперпространственных вычислений для классификации встроенных систем и высокопроизводительных вычислений (arXiv) Автор: Pere Vergés , Mike Heddes , Igor Nunes , Tony Givargis , Alexandru Nicolau . Аннотация: Гиперпространственные вычисления (HDC) — это основанная на биологическом развитии вычислительная среда, которая привлекает все большее внимание, особенно как более эффективный подход к машинному обучению (ML). В этой работе представлен компилятор \name{},..

Переосмысление необходимости дистилляции моделей

Софи Луи Целью данной работы является разработка модели, производительность которой будет сопоставима с упрощенной версией сверхбольших языковых моделей с гораздо меньшим количеством параметров. Для достижения этой цели мы обучили языковую модель с помощью метрического обучения. Наш подход игнорирует последний линейный уровень и функцию активации Softmax, реализованную при обучении стандартной языковой модели. В качестве альтернативы наша модель использует потерю прокси-якоря¹,..

Новое исследование кривизны Риччи, часть 4 (дифференциальная геометрия)

Оценки градиента Аронсона-Бенилана для уравнений пористой среды при нижних границах N-взвешенной кривизны Риччи с N‹0(arXiv) Автор : Ясуаки Фудзитани Аннотация: Изучена оценка градиента Аронсона-Бенилана для уравнения пористой среды в качестве аналога оценки градиента Ли-Яу для уравнения теплопроводности. В этой статье мы даем оценки градиента Аронсона-Бенилана для уравнения пористой среды на взвешенных римановых многообразиях при нижних границах N-взвешенной кривизны Риччи с..

Работа с сопоставлением активации классов, часть 3 (машинное обучение)

Recipro-CAM: безградиентная взаимная активация класса (arXiv) Автор: Сок-Ён Бён , Вонджу Ли . Аннотация: сверточная нейронная сеть (CNN) становится одной из самых популярных и известных архитектур глубокого обучения для компьютерного зрения, но ее функция «черного ящика» скрывает внутренний процесс прогнозирования. По этой причине специалисты по ИИ пролили свет на объяснимый ИИ, чтобы обеспечить интерпретируемость поведения модели. В частности, карты активации классов (CAM) и методы..