Публикации по теме 'image-classification'


Кодирование ИИ для распознавания языка жестов с помощью Tensorflow и Keras
Контекст Ради интереса я решил запрограммировать модель глубокого обучения для распознавания алфавитов американского языка жестов (ASL). Вы можете найти набор данных здесь от Kaggle. Приступим к коду! Код Обратите внимание, что я использовал Google Colab для этого проекта, поэтому мне пришлось импортировать набор данных с моего Google Диска в первых нескольких строках кода. Если вы не используете Google Colab, игнорируйте первые 2 строки кода. Не забудьте изменить переменные..
Примеры состязательности на основе семантики Распознавание лиц дурака
Состязательные примеры, призванные обмануть системы классификации изображений AI, в последние годы стали горячей темой для исследований и безопасности. Большая часть работы по созданию примеров состязательных изображений включала добавление пиксельных пертурбаций. Теперь исследователи из Китайского университета Гонконга, Университета Мичигана, CUHK - SenseTime Joint Lab, Китайского университета Гонконга и Университета Иллинойса в Урбане-Шампейне предложили новый подход к состязательной..
ONNX для обработки изображений с нуля?
ONNX для обработки изображений с нуля ONNX все чаще используется для хранения сложных DNN; однако его использование значительно расширяет простое хранение подогнанных моделей. В этом руководстве показано, как создать конвейер обработки изображений в ONNX, который впоследствии можно развернуть на разных устройствах, с помощью всего нескольких строк кода Python. ONNX существует уже некоторое время и становится успешным промежуточным форматом для перемещения, часто тяжелых,..
Передача обучения с помощью Yolo V3, Darknet и Google Colab
Использование предварительно обученной модели может значительно улучшить вычислительные затраты (время / стоимость) обучения модели классификации изображений. Когда вы обучаете нейронную сеть с нуля, веса инициализируются случайным образом, а во время обучения они настраиваются в соответствии с направлением и интенсивностью градиента ошибки, чтобы изучить особенности набора данных. В архитектуре Yolo сверточные слои работают как экстракторы признаков. Поэтому имеет смысл повторно..
Государство Дарт
Как я совершенно случайно увидел, насколько проще сегодня изучать и применять машинное обучение в личных проектах. Когда дело доходит до глубокого обучения, становится ли современным технологиям легче внедрить глубокое обучение сегодня, чем это было, скажем, два года назад? Стоит ли вам беспокоиться о том, чтобы начать изучать машинное обучение сейчас, если у вас еще не было возможности изучить и использовать его в своих рабочих/личных проектах? Ответы на оба эти вопроса, как я..
Классификация изображений с использованием SSIM
Простой классификатор изображений с OpenCV Как люди, мы, как правило, очень хорошо умеем находить различия в картинках. Например, давайте посмотрим на картинку выше и посмотрим, чем они отличаются. Во-первых, очевидно изменились фрукты, мороженое и напитки. Это было довольно просто, правда? Однако для компьютеров это не такая уж простая задача. Компьютеры могут учиться только на том, чему мы обучаем их модели. Есть отличные модели, которые могут действительно хорошо..
Компьютерное зрение: помимо классификации изображений
Недавно мы имели удовольствие послушать презентацию доктора Райана Уайта в серии мероприятий по машинному обучению, которые проводит AWH. Доктор Райан Уайт обсудил последние инновации в моделях глубокого обучения и вычислительном оборудовании, в том числе огромный прогресс в классификации изображений, а также более сложные задачи компьютерного зрения, такие как обнаружение объектов и сегментация экземпляров. Райан Уайт, доктор философии, математик с опытом работы в области машинного..