Публикации по теме 'computer-vision'


Использование SHAP для отладки модели регрессии изображений PyTorch
Использование DeepShap для понимания и улучшения модели автономного автомобиля Автономные автомобили меня пугают. Вокруг летают большие куски металла, и нет людей, которые могли бы их остановить, если что-то пойдет не так. Чтобы уменьшить этот риск, недостаточно оценить модели, приводящие в действие этих зверей. Нам также необходимо понять, как они делают прогнозы. Это делается для того, чтобы избежать любых крайних случаев, которые могут привести к непредвиденным авариям. Итак,..
Компьютерное зрение, глубокое обучение и обнаружение объектов
Комплексный анализ алгоритмов обнаружения объектов Обзор Механизм человеческого видения завораживает. Зрительные сенсоры воспринимают изображение и преобразуют его в электрические сигналы, которые передают нейронным системам. Затем мозг обрабатывает сигналы, что в конечном итоге позволяет людям видеть, а также понимать контекст изображения, в том числе, какие объекты находятся на изображении, где и сколько их находится. Все эти сложные процессы происходят мгновенно. Если дать..
Какие методы оптимизации и регуляризации используются в глубоком обучении?
Статья № 9 из серии «Глубокое обучение для компьютерного зрения» Чтобы найти наилучшие параметры весов/смещений (W/b) модели на этапе обучения, используется алгоритм оптимизации. Наиболее часто используется «градиентный спуск» , который представляет собой итеративный алгоритм оптимизации, работающий над…
Компьютерное зрение нового поколения: AWS DeepLens
Как развернуть модель обнаружения объектов с помощью AWS DeepLens AWS DeepLens можно описать как настраиваемую камеру, которая позволяет пользователям находить возможность практиковать методы обработки потокового мультимедиа в реальном времени за меньшее время. В AWS DeepLens можно развернуть три различных типа моделирования. В этом посте мы будем работать над моделью обнаружения предварительно обученных объектов. Компьютерное зрение нового поколения:..
VGG16-19 — самые эффективные модели ConvNet в компьютерном зрении.
Революция началась с Alexnet, откуда пришло передовое компьютерное зрение, люди начали экспериментировать с другой архитектурой. Карен Симонян и Эндрю Зиссерман , работающие на факультете инженерных наук Оксфордского университета, придумали очень глубокую сверточную сеть после некоторых экспериментов с набором данных ImageNet Challenge 2014. Оригинальная статья называется ОЧЕНЬ ГЛУБОКИЕ СВЕРТОЧНЫЕ СЕТИ ДЛЯ КРУПНОМАСШТАБНОЕ РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ Введение VGG16 — это тип CNN..
EDN-GTM: Сеть кодера-декодера с управляемой картой передачи для устранения дымки одиночного изображения
Когда сочетаются традиционное компьютерное зрение и глубокое обучение. Обесцвечивание изображения Цель улучшения видимости цифровых изображений, снятых с естественных сцен, стала чрезвычайно необходимой во многих реальных приложениях, поэтому демутирование изображения (или удаление дымки) стало важной задачей в компьютерном зрении и обработке изображений несколько десятилетий назад. Если вы хотите знать, насколько актуальна эта тема, я хотел бы сообщить вам, что Кайминг Хе,..
Как мы очистили музейный набор данных, чтобы обучить наше компьютерное зрение
Группа визуальной геометрии в Оксфордском университете использовала финансирование EPSRC (Совет по инженерным и физическим исследованиям) для создания прототипа компьютерного зрения для Sotera. Прототип был ориентирован на конкретный вариант использования в рамках более широкой деятельности Sotera: можем ли мы использовать фотографию объекта, чтобы распознать его на предыдущих изображениях? Набор инструментов наследия Sotera позволит людям фотографировать объекты наследия,..