Распознавание образов. Теория, метода, алгоритмы.

MarkItDown — идеальное решение для конвертации файлов и офисных документов в Markdown. Подойдёт для анализа, индексации или упорядочивания данных.

Что поддерживает:

— PDF, PowerPoint, Word, Excel.

— Изображения (EXIF и OCR).

— Аудио (метаданные и транскрипция речи).

В названии L5 указан пятый уровень беспилотного вождения, что означает полную автоматизацию всех функций, включая распознавание объектов, движение в полосе, перестроения, контроль скорости и дистанции.

Кстати, свои беспилотные «мозги» компания тестирует на КАМАЗах на трассе М-11 «Нева».

Зашумленные картинки - это рисунки, наложенные друг на друга (могут быть картинки, фигуры, цифры, буквы).

Изначально такое упражнение придумали для выявления и изучения зрительных нарушений у солдат, получивших травмы головы.

В наше время зашумлённые картинки применяются для развития зрительного восприятия.

Умная камера работает на технологии распознавания образов Computer Vision.

Просто наведите её на QR-код, номер карты или телефона. Камера поймёт, что нужно: перевести деньги, оплатить квитанцию ЖКУ, покупку на кассе или чаевые в ресторане.

 © ria.ru

Уважаемые коллеги!

В то время, когда почти вся редакторская команда Ёжика взяла себе выходные, единственное, что может нам помочь, — это канал MathHedgehog на VK Видео и YouTube! Поэтому, пользуясь освободившимися слотами в нашей ленте, продолжаем рассказывать о видеокурсах, которые сняла наша команда за последнее время!

Как рассказал мужчина, духи умерших отобразились на экране автомобиля хотя рядом с машиной никого не было.

Hertz-dev 8.5B

Hertz-dev - это мощная 8.5B модель для работы с аудио с открытым исходным кодом.

Hertz-dev создан на основе 20 миллионов уникальных часов высококачественных аудиоданных.

Hertz-dev - это базовая модель, без тонкой настройки, RLHF.

Р. Р. Якупов, К. Б. Гусманова

DOI: 10.19110/geov.2024.9.5

Транскрибаторы уволены? Нашла крутой сервис для расшифровки: русскоязычный, без VPN

Привет, Хабр! Меня зовут Кирилл Колодяжный, я пишу код на С++ для систем хранения данных в YADRO. Помимо основной работы, интересуюсь машинным обучением и его возможностями, в том числе на «плюсах». Недавно мне стало интересно разобраться, как развернуть модель компьютерного зрения на мобильном устройстве с операционной системой Android.

RevAI, лидер в области профессиональной транскрипции английской речи выпустила в открытый доступ фреймdорк Reverb (https://github.com/revdotcom/reverb) и набор моделей для построения конвейера speech-to-text.

VK Видео внедрил новые алгоритмы искусственного интеллекта для автоматического распознавания речи и синтеза субтитров в роликах, шоу, клипах и другом контенте.

Точность анализа и расшифровки выросла на 25%, кроме того, нейросети теперь знают тысячи новых слов, включая мемы, имена собственные, акронимы и профессиональные термины.

GOT (General OCR Theory) - это модель 580M OCR-2.0, превосходящая все существующие методы оптического распознавания символов.

GOT состоит из Vision-Encoder для преобразования изображений в трансформеры изображений, а затем токены и для распознавания OCR в различных форматах (например, обычный текст, markdown, Mathpix).

Привет, коллеги! Сегодня мы затронем довольно узкую, но крайне интересную тему — Few-Shot Learning в контексте сегментации изображений. Это направление иногда остается в тени более популярных методов глубокого обучения, но на самом деле имеет огромный потенциал, особенно когда у нас ограниченное количество размеченных данных.

Qwen2-VL - это новая версия VLMs, основанная на Qwen2 в семействе моделей Qwen. По сравнению предыдущим поколением, Qwen2-VL обладает возможностями:

Распознавание изображений с различным разрешением и соотношением сторон;

VQA-понимание видеороликов продолжительностью более 20 минут с поддержкой диалога;

Выпускники СГТУ им. Гагарина Ю.А разработали уникальное приложение, которое предназначено для преодоления языкового барьера с людьми, имеющими нарушение слуха.

Mamba Vision - реализация архитектуры Mamba с применением селективных моделей пространства состояний (SSM) в области обработки изображений от Nvidia Lab.

В работе рассматривается задача распознавания эмоций по мимическим микровыражениям. Приведен анализ мимических проявлений эмоций. Выявлены мимические признаки для распознавания базовых эмоций. Определен базис пространства мимических проявлений эмоциональных состояний.

В головном офисе VK в Москве прошел финал Всероссийского инженерного конкурса (ВИК), на котором магистрант института фундаментального образования УрФУ Борис Бредихин защитил свою работу — он занял первое место и получил денежный приз.

Таких мозгов как в России в Европе нет, а кушать хочется и хочется повышать эффективность сельского хозяйства. В Нидерландах предложили следующее:

Генная инженерия сделает растения более заметными для роботов

Голландские ученые хотят помочь искусственного интеллекту, чтобы он не путал сорняки с сельхозкультурами.

Парень создал датчик движения с распознаванием лиц, который с помощью нейросетей определяет пол, возраст и эмоцию

24 сентября — Международный день глухих. В Лаборатории Сенсор-Тех помогают людям с нарушенным слухом и создают для них разнообразные проекты. Одно из таких — устройство распознавания речи «Чарли».

В Московской области протестируют уникальную систему распознавания домашних животных с помощью искусственного интеллекта. Об этом сообщили в региональном министерстве сельского хозяйства и продовольствия.

На стадионе в одной из школ г.Цзинчжоу, пров.Хубэй появилась система распознавания скорости всех, кто заходит на дорожку для бега. После пробежки ученики могут зайти в приложение и с помощью технологии распознавания лица посмотреть свою скорость бега, потраченные калории и т.д.

С миллионами часов голосовых и звуком «ъ».

С 2018 года на территории Краснодарского края действует система распознавания лиц «Маска». Об этом рассказали ответственные служащие на совещании по вопросам безопасности.

Из одной картинки получается четыре понятных изображения. Снижение разрешения является фундаментальным шагом в CNN для ускорения времени обработки.

В статье покажем, как алгоритмы компьютерного зрения помогают решить задачу автоматического определения объема круглого леса в лесовозе по фотографии. Пройдем путь от идеи до прототипа. Расскажем, какие были выбраны решения и почему.

DALL-E 2 также может добавлять на изображения новые объекты и редактировать фотографии. Кроме того, при загрузке двух картинок ИИ создаст новую, объединив элементы изображений.