Глубокие нейронные сети

Обучение PP-PicoDet для детектирования объектов

08.02.2024 Александр Кручинин Object Detection, picodet, PP-PicoDet, детектирование объектов

Что это за модель PicoDet — это модель для слабых вычислительных систем, которая заявляется, как более качественная и быстрая альтернатива Читать далее

Глубокие нейронные сети

Классификация видео с использованием CNN-RNN

24.07.202324.07.2023 Александр Кручинин CNN-RNN, video classification

Классификация видео является важной задачей, конечным итогом которой является понимание того, что происходит на видеоданных. Здесь https://keras.io/examples/vision/video_classification/ описан простой метод Читать далее

Глубокие нейронные сети

Распознавание языка жестов, LSTM и ragged tf.Dataset

29.05.202329.05.2023 Александр Кручинин LSTM, ragged tf.Dataset, распознавания языка жестов

Какое-то время назад на Kaggle проходило соревнование по распознаванию языка жестов: https://www.kaggle.com/competitions/asl-signs Собственно были размеченные данные со скелетом человека, лицом и Читать далее

Глубокие нейронные сети

GeM Pooling и Image Retrieval

13.02.202313.02.2023 Александр Кручинин GeM Pooling

Слой GeM Pooling и его использование. Материалы: GeM Pooling Explained with PyTorch Implementation and Introduction to Image Retrieval Fine-tuning CNN Читать далее

Глубокие нейронные сети

Next-ViT: Трансформер машинного зрения следующего поколения для эффективного развертывания в реалистичных промышленных сценариях

01.02.202308.02.2023 Александр Кручинин

GitHub: https://github.com/bytedance/Next-ViT Статья: https://arxiv.org/pdf/2207.05501.pdf Основная цель разработки модели Next-ViT — это создание такой модели на основе Трансформера, которая бы превосходила модели CNN. Известно, Читать далее

Глубокие нейронные сети

ConvNeXt V2: Совместное проектирование и масштабирование ConvNet с маскированными автоэнкодерами

26.01.202326.01.2023 Александр Кручинин

ConvNeXt V2 — это новое семейство моделей, основанное на полностью свёрточном каркасе автокодировщика с масками (FCMAE) и новом уровне глобальной Читать далее

Глубокие нейронные сети

Yolo5 на примере задачи Help Protect the Great Barrier Reef

17.02.202217.02.2022 Александр Кручинин training yolo5, yolo5, yolov5

Введение Yolov5 является одной из самых эффективных решений для детектирования объектов на настоящий момент. Собственно подтверждение этому можно найти на Читать далее

Глубокие нейронные сети

Loss функции GIoU, DIoU, CIoU

18.11.202118.11.2021 Александр Кручинин CIoU, DIoU, GIoU, IoU, loss

Тут указано, как рассчитывается мера точности IoU. Данная мера точности применяется в задачах детектирования объектов и сегментации. Основным недостатком IoU является Читать далее

Глубокие нейронные сети

Определение клубочков на больших изображениях ткани почек человека средствами сегментации [распознавание]

15.05.202115.05.2021 Александр Кручинин HUBMAP, Keras, сегментация изображений

Ссылка на предыдущую статью с обучением модели Основная проблема при распознавании больших изображений — это чтение их из файла. Ссылки Читать далее

Глубокие нейронные сети

Определение клубочков на изображениях ткани почек человека средствами сегментации [тренировка модели]

11.05.202115.05.2021 Александр Кручинин HUBMAP, Keras, segmentation models, обучение, сегментация изображений, тренировка модели

Данное состязание проводилось на Kaggle (https://www.kaggle.com/c/hubmap-kidney-segmentation/overview), все данные можно найти там. В настоящей работе представлены не самые оптимальные методы методы Читать далее

← Назад