Распознавание образов. Теория, метода, алгоритмы.

Одной из главных проблем внедрения 2D-систем распознавания лиц – при всех преимуществах технологии - остается проблема противодействия подлогу: то есть попыткам подменить настоящее лицо фотографией или видео.

Оказывается, нейросети уже давно могут «притворяться» людьми — рассказываем про новую модель генеративно-состязательной сети (GAN), которая распознаёт системы CAPTCHA на 32 посещаемых веб-сайтах.

Автор: Roberto Iriondo, Machine Learning Department of Carnegie Mellon University

ДИСКЛЕЙМЕР

Нейросеть в Keras для распознавания предметов одежды из набора данных Fashion MNIST. Курс "Программирование глубоких нейронных сетей на Python" - https://www.asozykin.ru/courses/nnpythonНабор данных Fashion MNIST - https://github.com/zalandoresearch/fa...

О серии:

Это сообщение в блоге, отмечающее начало серии (надеюсь), будет пошаговым руководством идей, разделенных в сумке трюков для классификации изображений с помощью сверточных нейронных сетей бумаги и несколько мыслей мной.

В последнее время все чаще можно услышать о таких понятиях, как искусственный интеллект, машинное обучение и нейронные сети. Эти направления можно увидеть почти во всех прогнозах о профессиях будущего.

Компьютерное зрение стало широко распространённой темой, позволяющей создавать множество великолепных сервисов. В этой статье вы познакомитесь с некоторыми JS-фреймворками для работы с компьютерным зрением.

TensorFlow.js

Что такое OCR?

Пример реализации автообзвона (с распознаванием речи ответа отвечающей стороны) с использованием ami asterisk. Данная статья может быть полезна программистам, интеграторам, администраторам. Версия и релиз технологической платформы не имеет значения.

Продолжение предыдущей статьи. (//infostart.ru/public/954564/)

Python обладает потрясающим набором возможностей для создания программ с искусственным интеллектом. В ходе урока мы создадим программу, которая будет распознавать объекты на фото, а также на видео и выводить названия этих объектов.

Рассказывает Адам Гайтги, разработчик из Калифорнии.

Я живу в прекрасном городе. Но как и в большинстве городов, поиски свободного места для парковки здесь всегда раздражают. Места быстро занимают, и даже если у вас есть закреплённое место, друзьям просто так к вам не заехать, ведь им придётся искать, где бы оставить машину.

Diversity in Faces — большой и разнообразный набор данных, который содержит миллион изображений размеченных лиц людей. Открывая доступ к датасету, в IBM Research надеются повысить точность распознавания лиц людей разных рас, полов и возрастов и уменьшить предвзятость алгоритмов.

AnTuTu выпустила приложение для тестирования производительности устройств области задач ИИ

Василий Ключарев — Кандидат биологических наук, нейробиолог, руководитель департамента психологии НИУ ВШЭ, Ведущий научный сотрудник Центра нейроэкономики и когнитивных исследований.

Компания Tecent выложила в открытый доступ датасет Tencent ML-Images с 11 тысячами классов и 18 миллионами изображений, каждое из которых содержит в среднем 8 меток. На GitHub доступна предобученная модель распознавания изображений ResNet-101, которая достигла впечатляющей точности — 80.73% на тестовом датасете ImageNet.

При помощи множества анимаций на примере задачи распознавания цифр и модели перцептрона дано наглядное введение в процесс обучения нейросети.

Продолжаем серию первоклассных иллюстративных курсов 3Blue1Brown (смотрите наши предыдущие обзоры по линейной алгебре и матанализу) курсом по нейронным сетям.

Одна из самых обсуждаемых фишек iPhone X – новый метод разблокировки: FaceID. В этой статье разобран принцип работы данной технологии.

Это туториал по использованию библиотеки pocketsphinx на Python. Надеюсь он поможет вам
побыстрее разобраться с этой библиотекой и не наступать на мои грабли.

Инженер из Амстердама Аркайц Гарро создал небольшое устройство с системой распознавания лица, которое прикрепил к двери балкона. Система позволяет впускать кота по кличке Бобис с улицы, не заставляя питомца ждать на морозе. Об этом сообщает Business Insider.

Спецкурс "Введение в компьютерное зрение и глубокое обучение"

1 - Введение в предмет. История. Свет и цвет

2 - Основы обработки изображений

3 - Особые точки. Сопоставление изображений

4 - Введение в машинное обучение

5 - Классификация изображений

6 - Свёрточные нейросети. Часть 1

В этой статье мы будем разбирать код программы, в которой используется Deep Learning и OpenCV. Её суть: распознавание объектов в реальном времени.

Содержание статьи:

Часть 1: распознавание объектов в реальном времени — работаем с кодом

Пишем код для работы с командной строкой

Добавляем основные объекты

Анализ изображений и видео

Лекция 1. Введение в анализ изображений

Лекция 2. Image Processing p.1

Лекция 3. Image Processing p. 2

Лекция 4. Глобальные признаки

Лекция 5. Локальные признаки

Лекция 6. Параметрические модели

Лекция 7. Классификация объектов на изображении

Сверточные нейронные сети для распознавания образов от Stanford University

@proglib

1. Введение в сверточные нейронные сети для распознавания образов

2. Классификация изображений

3. Функции потерь и оптимизация

4. Введение в нейронные сети

5. Сверточные нейронные сети

Федор Беломоев из Санкт-Петербурга изобрел устройство, которое заменяет слепоглухим людям слух и голос.

Подборка выступлений, посвященных программному распознаванию изображений и Deep Learning.

Прикрепленные видео:

1. «Тегирование видеороликов Youtube» — Михаил Трофимов.

2. «Детекция и классификация транспортных средств» — Владимир Игловиков.