Распознавание образов. Теория, метода, алгоритмы.

Представляем версию 0.3 библиотеки глубокого обучения KotlinDL!

Недавно были опубликованы два патента, поданные Nintendo, которые демонстрируют потенциальные планы компании в отношении технологии апскейлинга при помощи ИИ. В патентах, которые были первоначально поданы в марте 2020 года, но опубликованы в четверг, подробно описаны «системы и методы преобразования изображений с машинным обучением».

IC-GAN — набор моделей FAIR для генерации изображений, объекты и сцены на которых отсутствовали в обучающем датасете. IC-GAN можно использовать для аугментации данных.

Ученые из США представили новую технику: она с помощью лазера, который направили в глазок или замочную скважину, позволяет визуализировать всю комнату. Качество итоговой картинки улучшает модель на основе ИИ.

В её основе лежат диффузионные модели.

В блоге Google AI, посвящённом исследованиям и разработкам в области искусственного интеллекта, обнаружили демонстрацию технологии масштабирования изображений на базе диффузионных моделей.

В последнее время в СМИ много говорят и пишут о «токенизации» картин и других произведений искусства. Но что, собственно, это значит? Из публикаций обычно не представляется возможным понять, какой конкретно смысл автор вкладывает в этот термин (а часто создаётся впечатление, что никакого и не вкладывает).

Human Pose Estimation (HPE) направлена на поиск трехмерного положения суставов человека на изображениях или видео.

На ICCV 2021 ребята из университета Тренто показали улучшенный метод HPE - новую сеть капсульного автоэнкодера с быстрой маршрутизацией капсул по методу Вариационного Байеса, названную DECA.

И по другим признакам. С помощью технологии партнера Ростеха NtechLab можно будет распознавать тип кузова, цвет, марку и модель машины, а также осуществить поиск по номеру.

Система работает даже в том случае, если нельзя распознать номера или видна только часть автомобиля.

Apple представила Hypersim — синтетический датасет фотореалистичных изображений помещений и интерьеров. Hypersim состоит из 77 400 изображений 461 сцен и предоставляет семантическую сегментацию.

Лейла рассказала про статью об эмбеддингах изображений в гиперболическое пространство. Обычно в задачах компьютерного зрения используются Евклидовы или сферические эмбеддинги; в статье Лейла и коллеги предложили искать эмбеддинги изображений в гиперболическом пространстве.

DeepLab2 — библиотека компьютерного зрения на TensorFlow2 от Google Research. Включает в себя новейшие модели для задач плотного прогнозирования, код обучения и контрольные точки. Доступна на Github.

С помощью библиотеки вы сможете решить такие задачи как

• Выделение точных границ объектов по классам;

«Он одинок перед экраном, у него нет ни отца, ни матери, ни страны, ни бога: все, что ему нужно, — это цифровое облако, к которому подключено его интернет-устройство». (Славой Жижек, философ)

Исходный код, сопровождающий трансформатор раскрашивания бумаги, который будет представлен на ICLR 2021. Работа Маноджа Кумара, Дирка Вайсенборна и Нала Кальчбреннера.

Резюме статьи

Колтран состоит из трех компонентов: а colorizer, color upsamplerи spatial upsampler.

Вы можете использовать этот блокнот для игры с нейронной сетью CLIP OpenAI для поиска видео на YouTube с использованием естественного языка.

Вы можете использовать этот блокнот для игры с нейронной сетью OpenAI CLIP для поиска видео на YouTube с использованием естественного языка.
Как это работает

Оптимизаторы в Keras, формирование выборки валидации | #10

Dropout - метод борьбы с переобучением нейронной сети | #11

Batch Normalization (батч-нормализация) что это такое? | #12

Как работают сверточные нейронные сети | #13

Делаем сверточную нейронную сеть в Keras | #14

Распознавание объектов с помощью YOLO v3 на Tensorflow 2.0

Лекция 1. Поиск изображений по содержанию

Лекция 2. Детектирование объектов, часть 1

Дополнения к семинару 1.

Лекция 3. Детектирование объектов, часть 2

Лекция 4. Сегментация Изображений

Лекция 5. Генеративные сети, часть 1

Лекция 6. Генеративные сети, часть 2

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