Всем привет.

Начнём с того, почему я так и не написал пост. На самом деле, мне просто не о чем писать... Конференция прошла довольно плохо: приехал, чуть-чуть потусил и уехал. Не смог познакомиться с людьми, (найти связи), но плюсы тоже есть.

📌 Теперь я понимаю, что какое бы ни было интересное мероприятие, без компании и твёрдо поставленной цели тебе будет там скучно. А также, имея такие скудные знания, как у меня, можно ходить по приличным мероприятиям.

Спасибо за опыт и мерч Яндексу 🤝

записался в зал +20 кг жим лежа за 10 дней. 🙂

Создание датасета для нейросети. аугментация для эффективного сбора данных.
‼️
Задача обучить модель, которая вырезает сцены из фото для анимации. Для этого нужна точная сегментация. Сбор и разметка тысяч изображений очень долгий процесс. (тем более для меня) немного порисерчил нашел метод позволяющий обойтись меньшим объемом данных.👇

Модель должна точно выделять границы сцены или объекта на фото для анимации. Для этого я собираю около тысячи разнообразных изображений, стараясь включить разные типы сцен, условия освещения и ракурсы.
Затем каждое из этих изображений тщательно размечу, создам маску.

🤗
к делу) К каждому размеченному изображению применяются трансформации. повороты, изменения яркости и контрастности, отражения, а также небольшие сдвиги. Все эти преобразования применяются к размеченным изображениям . Для нас это одно и тоже фото, а для нейросети это разные нолики и единички⤵️

Из тысячи исходных размеченных изображений получается несколько тысяч новых обучающих примеров. Это значительно сокращает время, затрачиваемое на разметку, и позволяет обучить модель. эффективный метод, когда объем исходных данных ограничен. Чуть позже поговорим о сегментации. На этом все) до встречи😊