Публикации по теме computer-vision

Публикации по теме 'computer-vision'

Создайте свое собственное приложение для удаления фона

Как создать профессиональное средство для удаления фона? Существует несколько методологий создания приложений, подобных удалению фона. Некоторые приложения используют UNet, другие используют другие модели, однако основной идеей всей работы является семантическая сегментация. Всякий раз, когда модель может обнаружить обученные объекты на экране, мы можем создать маску входных изображений. Изображения маски — это изображение, которое нам предлагается обнаружить, выделено. Выглядит..

Краткая история эволюции классификации изображений

Эволюция сетей классификации изображений — это замечательный путь, отмеченный значительными достижениями в области искусственного интеллекта и компьютерного зрения. Вот краткая история ключевых вех в развитии сетей классификации изображений: Нейронные сети (1950–1980-е годы): Концепция искусственных нейронных сетей (ИНС) возникла в 1950-х годах, но вычислительные ограничения препятствовали их практическому применению. Перцептрон, базовая архитектура нейронной сети, был предложен..

4 практических способа отладки моделей компьютерного зрения [Пошаговое руководство]

Что такое отладка модели компьютерного зрения? Мы получим это- Отладка моделей глубокого обучения может быть сложной задачей. В то время как отладка программного обеспечения следует набору предопределенных правил для поиска корня проблемы, модели глубокого обучения могут быть очень мощными и сложными, что затрудняет поиск ошибок в них. Чем более продвинутая нейронная сеть выбрана для модели, тем более сложные проблемы у нее могут быть и тем больше она ведет себя как черный ящик. Это..

Как мне построить конвейер данных для компьютерного зрения?

Трехэтапное руководство по созданию конвейеров данных для компьютерного зрения. Настройка конвейера данных направлена на автоматизацию потоков и передачи данных, выбор данных и управление наборами данных (подробнее о том, что такое конвейер данных, читайте здесь). ). Таким образом, автоматизированные процессы должны быть в центре внимания при построении конвейера данных. В этой статье подробно рассказывается о том, как построить конвейер данных для компьютерного зрения за 3 шага. С..

Введение в компьютерное зрение с PyTorch (4/6)

Предыдущий ‹‹ Введение в компьютерное зрение с помощью PyTorch (3/6) Многоуровневые CNN В предыдущем разделе мы узнали о сверточных фильтрах, которые могут извлекать шаблоны из изображений. Для нашего классификатора MNIST мы использовали девять фильтров 5 × 5, в результате чего получился тензор 9 × 24 × 24. Мы можем использовать ту же идею свертки для извлечения шаблонов более высокого уровня в изображении. Например, закругленные края цифр, таких как 8 и 9, могут состоять из..

Варианты использования машинного обучения в производстве

Здравствуйте, читатели! Сегодня я расскажу о различных вариантах использования машинного обучения в области производства. По данным McKinsey, 50 % компаний, внедряющих ИИ, в течение следующих пяти-семи лет могут удвоить свой денежный поток, поскольку производство лидирует во всех отраслях из-за его сильной зависимости от данных. Искусственный интеллект и машинное обучение в производстве могут привести к значительному повышению эффективности и помочь в создании новых возможностей..

Машинное обучение — Часть 1

Начало работы — концепция Что такое машинное обучение? Прежде чем мы ответим на этот вопрос. Давайте разберемся, как работает традиционное программирование. В традиционном программировании У вас есть ВХОДЫ И АЛГОРИТМ. Вы запускаете программу, которая дает нам некую форму ВЫВОДА. # ВВОД f = float(input('введите температуру в градусах Фаренгейта \n\t ››')) # ФОРМУЛА/АЛГОРИТМ c = (f -32) * 5/9 # ВЫВОД print('по Фаренгейту', f, 'в градусах Цельсия',c) В машинном..