Модель детектирования RT-DETR и ее обучение
RT-DETR расшифровывается как Real-Time DEtection TRansformer. В свой работе авторы заявляют, что она эффективнее, чем модели YOLO и при этом
Читать далее
Глубокие нейронные сети
Spatial Transformer Networks — пространственная трансформация изображения в нейронной сети
Сети пространственных преобразований представляют собой обобщение дифференцированного внимания к любому пространственному преобразованию. Сети пространственных преобразований (сокращенно STN) позволяют нейронной сети
Читать далее
Обучение PP-PicoDet для детектирования объектов
Что это за модель PicoDet — это модель для слабых вычислительных систем, которая заявляется, как более качественная и быстрая альтернатива
Читать далее
Классификация видео с использованием CNN-RNN
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
Распознавание языка жестов, LSTM и ragged tf.Dataset
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
GeM Pooling и Image Retrieval
Слой GeM Pooling и его использование. Материалы: GeM Pooling Explained with PyTorch Implementation and Introduction to Image Retrieval Fine-tuning CNN
Читать далее
Next-ViT: Трансформер машинного зрения следующего поколения для эффективного развертывания в реалистичных промышленных сценариях
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
ConvNeXt V2: Совместное проектирование и масштабирование ConvNet с маскированными автоэнкодерами
ConvNeXt V2 — это новое семейство моделей, основанное на полностью свёрточном каркасе автокодировщика с масками (FCMAE) и новом уровне глобальной
Читать далее
Yolo5 на примере задачи Help Protect the Great Barrier Reef
Введение Yolov5 является одной из самых эффективных решений для детектирования объектов на настоящий момент. Собственно подтверждение этому можно найти на
Читать далее
Loss функции GIoU, DIoU, CIoU
Тут указано, как рассчитывается мера точности IoU. Данная мера точности применяется в задачах детектирования объектов и сегментации. Основным недостатком IoU является
Читать далее