Распознавание образов. Теория, метода, алгоритмы.

Математик Константин Воронцов о машинном обучении, нейронных сетях и понятии предрассудка

8 сентября прошел вебинар НТР и HITs TSU о нейронных сетях "Распознавание речи на мобильных устройствах".

Докладчик: Николай Шмырев, CEO, АЦ Технологии

Модуль для распознавания русской речи на Python в режиме оффлайн, без интернета

https://github.com/solkogan/vosktest

Самоидентификация

Компьютерное зрение

1. Понятие о компьютерном зрении. Цветовые модели

2. Сопоставление изображений

3. Классификация и поиск похожих изображений

4. Введение в сверточные нейросети

5. Развитие нейросетевых методов

6. Выделение объектов или детектор объектов

7. Задача сегментации

В этом видео мы рассмотрим на практике задачу поиска аномалий в климатических полях методами машинного обучения. В частности, обсудим, как работать с многомерными динамическими данными в подобных задачах, а также какие методы из области машинного и глубокого обучения могут нам в этом помочь.

Классификация изображений позволяет нашим приложениям Xamarin распознавать объекты на фотографиях.

EfficientPS — это нейросетевая модель для паноптической сегментации объектов на изображении. На данный момент модель обходит state-of-the-art подходы на датасетах Cityscapes, KITTI, Mapillary Vistas и IDD.

Паноптическая сегментация

Python. Парсинг картинок с сайта.

Технологические компании незаметно изучали ваши фотографии, чтобы улучшить системы распознавания лиц. И вот как им это удалось.

Ваше лицо в руках корпораций

Newочём• 281

Подкасты недоступны в мобильной версии

1 - Введение. Часть 1

2 - Введение. Часть 2

3 - Обработка изображений

4 - Простые методы анализа изображений

5 - Модели изображений

6 - Локальные особенности

7 - Машинное обучение и классификация изображений

8 - Поиск и локализация объектов" на YouTube

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

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.

Общепринятый подход: без глубокого обучения

Редакция Библиотеки программиста подготовила советы по глубокому обучению на примере компьютерного зрения и распознавания объектов.

Введение