Опубликовано на моем сайте Идея/Вдохновение Я создаю проект, который может определять деревья по спутниковым данным. Эта идея пришла ко мне от компании 20tree.ai . Которая использует спутниковые снимки и искусственный интеллект для отслеживания лесов и растительности по всему миру. Они много используют для этой технологии. Вы можете отслеживать вырубку лесов в районе. Отслеживая количество пропавших деревьев за определенный период времени. Компания Спасепт использует..

Классификация и обнаружение объектов - основные части компьютерного зрения. Классификация - это обнаружение того, что находится на изображении, а обнаружение объекта и локализация - поиск того, где находится этот объект на этом изображении. Обнаружение - более сложная проблема, поскольку нам нужно найти координаты объекта на изображении. Чтобы решить эту проблему, R-CNN был введен Россом Гиршиком, Джеффом Донахью, Тревором Дарреллом и Джитендрой Малик в 2014 году. R-CNN обозначает регионы..

Дорога к Sparse R-CNN - ключевые идеи и интуиция Краткое объяснение прежних моделей SOTA для обнаружения объектов и нововведений, которые были внесены Sparse R-CNN. Sparse R-CNN - это новый алгоритм SOTA, который был представлен на конференции 2021 года по компьютерному зрению и распознаванию образов (CVPR). Он быстрее и в некоторых случаях лучше своих предшественников. Но какие новые решения он предлагает и чем отличается от того, что было раньше? В этом блоге я попытаюсь..

Обзор уникальных проблем, связанных с обнаружением объектов, и усилий исследователей по преодолению этих препятствий. В последнее время в области компьютерного зрения произошел значительный прогресс, во многом благодаря достижениям в области глубокого обучения, в частности сверточных нейронных сетей (CNN). Классификация изображений, при которой компьютер классифицирует или присваивает метки изображению на основе его содержимого, часто позволяет получить отличные результаты, просто..