Распознавание образов. Теория, метода, алгоритмы.

Transformer-OCR — нейросетевая модель, которую обучили распознавать надписи на изображениях. Модель обходит существующие state-of-the-art методы на 5 датасетах. Для датасета с изображениями вывесок с закрученным текстом CUTE модель обходит предыдущие подходы на 9.7% в точности предсказания.

Описание проблемы

В данном видео описан процесс партиционирования или сегментации цифрового изображения с набор пискелей (pixels)/ Целью сегментации является упрощение и изменение представления изображения в форму/вид позволяющую анализировать изображение.

Доклад Григория Заляцкого посвящен сегментации изображений с помощью глубокого обучения.

Подробно остановимся на следующих моментах:

- отличия сегментации с учителем и без учителя;

- их преимущества и недостатки;

- несколько методов сегментации без учителя с помощью глубокого обучения;

При решении задач, связанных с распознаванием (Speech-To-Text) и генерацией (Text-To-Speech) речи важно, чтобы транскрипт соответствовал тому, что произнёс говорящий — то есть реально устной речи. Это означает, что прежде чем письменная речь станет нашим транскриптом, её нужно нормализовать.

Учёные из Института Солка(США), Сколтеха(Россия) и Центра исследований мозга Riken(Япония) провели исследование с целью изучения теоретической модели механизма работы нейронов зрительной коры головного мозга при распознавании и обработке информации о лице и мимике человека.

Нейросеть обучили семантически сегментировать объекты на изображении, имея только лейблы классов объектов без попиксельной разметки. Модель итеративно выучивает схожесть пикселей и выдает более правдоподобные маски объектов. Предложенный подход обходит предыдущие модели, которые обучаются в weakly-supervised манере.

Павел Логачев рассказывает про соревнование Kaggle Lyft 3D Object Detection for Autonomous Vehicles, в котором он заработал первую золотую медаль, да ещё и соло!

1- Введение в распознавание образов

Лекция является введением в теорию распознавания образов. В ней раскрываются вопросы параметризации, нормализации, классификации и т.д.

2- Введение в распознавание речи

Сегодня мы будем эксплуатировать чужие облака.

Сегодня у нас стоит задача определения цвета автомобиля при помощи библиотеки Tensorflow.

У подобной задачи есть несколько аспектов:

  Опыт создания системы распознавания автомобильных номеров - от теории к работающему прототипу (видео) Тензоры в TensorFlow

В последнее время тема распознавания лиц стала очень популярной. Новости из этой сферы мы слышим постоянно: то он наших китайских друзей, которым новейшие системы по распознаванию лиц помогают ловить преступников, то от московского метро, в котором можно оплачивать проезд, «предъявив» лишь свое лицо.

Введение

Понимание того, как классификатор разбивает исходное многомерное пространство признаков на множество целевых классов, является важным шагом для анализа любой задачи классификации и оценки решения, полученного с помощью машинного обучения.

Разбираясь в старых файлах обнаружил свой проект, предположительно 2006 года, на котором я отрабатывал алгоритм по распознаванию рукописных символов.

BlendMask — это нейросетевая модель для instance сегментации объектов на изображении. Модель выдает более точные границы объектов, чем Mask R-CNN, на COCO датасете при схожих параметрах обучения. При этом BlendMask работает на 20% быстрее.

FAIR опубликовали самый крупный датасет для распознавания речи. Libri-light содержит 60 тысяч часов неразмеченной речи на английском языке. 

Статья состоит из двух частей:

Python. Парсинг картинок с сайта.

Ученые обучили алгоритмы распознавать неразборчивый почерк, используя несколько заранее расшифрованных слов.

Нейросеть переводит речь напрямую, пропуская этап конвертации аудио в текст.

Google разработала алгоритм Translatotron, который напрямую переводит устную речь на разные языки, минуя конвертацию в текст. Система также умеет сохранять голос и интонацию пользователя. Об этом компания сообщила в своём блоге.

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.

Статья написана пользователем ValeriaKhokha для Хабрахабр

Время пополнять копилку хороших русскоязычных докладов по Machine Learning! Копилка сама не пополнится!