Отслеживание питания с помощью искусственного интеллекта на устройстве, новой линзы Snap, всестороннего высокоуровневого обзора машинного обучения на мобильных устройствах и многого другого.
НОВОСТИ
Android объявляет о своем последнем конкурсе разработчиков Android для поиска идей по машинному обучению на устройствах
Технически о вызове было объявлено в конце прошлого месяца, но команда Android делает еще один толчок к сбору заявок. Этот последний толчок включает в себя несколько примеров приложений, которые помогают стимулировать инновации — обнаружение сельскохозяйственных и респираторных заболеваний, а также расширение возможностей розничных покупок. Крайний срок подачи заявок — 2 декабря, поэтому, если у вас есть идея, время имеет решающее значение! ["Читать далее"]
Google Ассистент теперь будет предоставлять вам персонализированную ленту ежедневных новостей
Окей, Google, включи мне новости. Начиная с этой недели, когда вы говорите эту фразу своему Google Ассистенту, ваше устройство будет отвечать персонализированным изложением новостей дня и последних заголовков. Чтобы предложить расширенную персонализацию, эта функция будет использовать вашу историю поиска, местоположение и совокупные интересы, а также главные новости. И со временем плейлист будет становиться все более персонализированным, поскольку вы передаете на устройство больше информации о своих предпочтениях. ["Читать далее"]
Foodvisor привлекает 4,5 млн долларов США на приложение на основе искусственного интеллекта, которое помогает отслеживать, что вы едите
Модель глубокого обучения Foodvisor может идентифицировать около 1200 видов пищи, оценивать количество пищи на захваченном изображении и создавать быстрый отчет, предсказывающий вероятный распад питательных веществ в данной еде. Кроме того, пользователи приложения смогут вносить исправления в явно ошибочные прогнозы, добавляя данные, которые в конечном итоге могут повысить общую точность модели. Интересно, что пользователи могут связать Foodvisor со встроенным приложением Apple Health, чтобы добавить свою физическую активность и отслеживать прогресс в достижении своих общих целей в области здоровья. ["Читать далее"]
Линза Time Machine от Snapchat использует искусственный интеллект, чтобы состарить и омолодить селфи
Объективы дополненной реальности Snapchat на базе искусственного интеллекта являются лучшими в своем классе, когда речь идет об машинном обучении на устройстве с точки зрения низкой задержки и точности. И теперь они сделали еще один шаг вперед, представив Time Machine, линзу с системой слайдеров, которая позволяет пользователям состаривать и удалять селфи (и селфи-видео) в режиме реального времени. Результаты действительно впечатляющие и убедительные, соперничающие с фильтром старения FaceApp — основное отличие здесь в том, что все происходит на устройстве, без облачной обработки. ["Читать далее"]
Sonos приобретает Snips, стартап по голосовому помощнику, чтобы (потенциально) создать голосовое управление на устройстве
До приобретения, которое закончилось сделкой наличными в размере 37 миллионов долларов, Snips работала над разработкой специальных помощников, которые работают на устройстве, вместо того, чтобы полагаться на данные, отправляемые туда и обратно в облако и обратно. Пока не ясно, что именно это приобретение означает для Sonos, которая производит умные акустические системы. Тем не менее, можно представить, что Sonos может быть заинтересована в разработке голосового управления для своих акустических систем, ориентированного на конфиденциальность. ["Читать далее"]
Route привлекает 12 миллионов долларов для отслеживания посылок с помощью ИИ
Во время праздников покупатели нередко покупают целый ряд товаров у нескольких розничных продавцов. Отследить их независимо друг от друга может быть сложно, особенно учитывая то, что праздничные подарки зависят от времени. Route, стартап из Юты, объявил на этой неделе о своем iOS-приложении для визуального отслеживания заказов. Приложение объединяет онлайн-покупки и соответствующую информацию о доставке на одной управляемой панели. ИИ системы обучен на десятках тысяч интернет-магазинов и торговых сайтов, и Route планирует в будущем добавить больше персонализации для взаимодействия после покупки. ["Читать далее"]
КОД / БИБЛИОТЕКИ
[GitHub] joaquim-verges / DeeplabAndroid
Сегментация изображений в реальном времени на Android с помощью DeeplabV3. ["Проводить исследования"]
[Исследование] EfficientDet: масштабируемое и эффективное обнаружение объектов
[Исследование] AI Benchmark: все о глубоком обучении на смартфонах в 2019 году
Из аннотации: В этой статье мы оцениваем производительность и сравниваем результаты всех наборов микросхем от Qualcomm, HiSilicon, Samsung, MediaTek и Unisoc, обеспечивающих аппаратное ускорение для вывода ИИ. Также важно отметить, что эти тесты измеряются только на устройствах Android. ["Проводить исследования"]
ОБУЧЕНИЕ
Как оценить время, стоимость и результаты проекта приложения машинного обучения
Обычно мы делились техническими взглядами на работу с машинным обучением на мобильных устройствах, но этот исчерпывающий материал от людей из Appinventiv охватывает более нетехнические аспекты запуска проекта мобильного машинного обучения. ["Выучить больше"]
Простая семантическая сегментация изображения в приложении iOS — реализация DeepLabV3
Последний выпуск Омара М’Хаймдата включает краткий обзор сегментации изображений и реализации на iOS с помощью Core ML. ["Выучить больше"]
Swifty ML: введение в Swift для TensorFlow
Дэнни Болелла с отличным взглядом на начало работы со Swift для TensorFlow… языка, который, по мнению Google, является будущим машинного обучения. ["Выучить больше"]
Изучение вариантов использования основных инструментов машинного обучения
Анупам Чу погружается в Core ML Tools, библиотеку Python от Apple, которая помогает преобразовывать модели ML в формат Core ML. Но он также может делать много других вещей. ["Выучить больше"]
Машинное обучение на мобильных устройствах: что с его помощью можно делать
Наш исчерпывающий обзор того, что мобильные разработчики и группы специалистов по обработке и анализу данных могут реально делать с помощью машинного обучения на мобильных устройствах, как они могут это делать и почему они должны это делать. ["Выучить больше"]
Примечание редактора. Heartbeat – это онлайн-публикация и сообщество, созданное авторами и посвященное исследованию зарождающегося пересечения разработки мобильных приложений и машинного обучения. Мы стремимся поддерживать и вдохновлять разработчиков и инженеров из всех слоев общества.
Редакционно независимая книга Heartbeat спонсируется и публикуется Fritz AI, платформой машинного обучения, которая помогает разработчикам обучать устройства видеть, слышать, ощущать и думать. Мы платим нашим авторам и не продаем рекламу.
Если вы хотите внести свой вклад, перейдите к нашему призыву к участию. Вы также можете подписаться на получение наших еженедельных информационных бюллетеней (Еженедельное углубленное обучение и Сердцебиение), присоединиться к нам в »«Slack и подписаться на Fritz AI в Twitter , чтобы быть в курсе всех последних новостей в области мобильного машинного обучения
