مرتبط با مبحث این هفته:


https://towardsdatascience.com/how-i-implemented-iphone-xs-faceid-using-deep-learning-in-python-d5dbaa128e1d

خواندن بارکد و QR Code با ZBar در OpenCV

https://www.pyimagesearch.com/2018/05/21/an-opencv-barcode-and-qr-code-scanner-with-zbar/

سلام،
طی جلسات باقیمانده، و روز تحویل پروژه و امتحان، از برخی از بزرگواران به صورت تصادفی از تمارینشان سوالاتی پرسیده خواهد شد.
لطفا دوستان زیر امروز تمارین سری 6 خود را در لپ تاپ خود آماده کنند، سوالات مختصری قبل یا بعد کلاس از خدمتشان خواهم پرسید.

94471030
94991046
94471040

با تشکر

سلام،
با توجه به ابن که دو جلسه اخیر مبحث کلاس پیرامون تطبیق و تشخیص چهره بوده،
امروز 15 دقیقه اول را با ارائه پروژه آقای خزائی و قربانی پیرامون پروژه ی مرتبطی که برای مسابقه رجاپبنگ انجام دادند شروع خواهیم کرد، پس از آن به سلسله مراتب بک پروژه کامل تطبیق یا تشخیص چهره میپردازیم و دو روش face detection را بررسی خواهیم کرد.

چالش جدید دیگر از سایت https://www.kaggle.com
🌹انتخاب به عنوان کار تحقیقاتی جدید
🌿 انتخاب عنوان برای پایان نامه برای دوستان و دانشجویان ارشد عزیز.
💭برای بچه هایی که دنبال چالش و دنبال جایزه خوب
YouTube-8M Video Understanding Competition Launch: Create a Constrained-Size Model to Predict Video Labels

حامی اصلی این رقابت
Google AI
..🌹🌹🌹🌿🌿🌿🌹💭🌿
We've just launched the YouTube-8M Video Understanding Challenge! Here are the competition details. Click the button below if you're interested in competing, or digging deeper into the specifics.

Competition Description:
This is the second Kaggle competition based on the YouTube 8M dataset, a large-scale video dataset that consists of millions of YouTube video features and associated labels from a diverse vocabulary of 3,700+ visual entities.

This year, the competition is focused on learning video representation under budget constraints. You’re challenge is to produce the best compact video classification model under 1GB.

YouTube

Host:
This competition is being hosted by Google AI (previously known as Google Research) as a part of the European Conference on Computer Vision (ECCV) 2018 selected workshop session.

Total prizes:
$25,000 – The 5 top-performing teams (on final leaderboard based on private test data) will receive $5,000 per team for travel award to attend the ECCV 2018 Conference.

Next important deadline:
July 30, 2018 - Entry deadline. You must accept the competition rules before this date in order to compete.

Join the competition
Good luck,
The Kaggle Team

منبع :
https://www.kaggle.com/c/youtube8m-2018?utm_medium=email&utm_source=intercom&utm_campaign=youtube+competition+2018

با کانال
https://t.me/Machinelearning_Kartal/1361


همراه باشید

سلام
تمرین سری 7 اختیاری نیست.
به دلیل ابهام پیش آمده مهلت تا چهارشنبه شب تمدید شد.

تمرین سری 7 علاوه بر نمره تمرین در صورت کیفیت شامل نمره امتیازی هم هست.
لطفا از اجرای کدتان هم فیلم 30 ثانیه ای هم درست کنید

#تمرین،
گام دوم تمیز کردن مجموعه داده، مس از حذف تصاویر غیر مرتبط،
انتخاب محل بازیگر شما در تصاویر دسته جمعی شامل دو یا بیش از دو چهره است.
بدین منظور از نرم افزار زیر استفاده میکنیم و آن را در حالت YOLO قرار میدهیم.

لطفا قسمت نصب
Windows + Anaconda

را بخوانید.
https://github.com/tzutalin/labelImg

آموزش کار با LABELIMG

سلام
ویدیوهای سه جلسه مربوط به چهره نیز آپلود شدند.

جلسه بیستم
https://www.aparat.com/v/Szh93

جلسه بیست و یکم
https://www.aparat.com/v/O8q2p

جلسه بیست و دوم
https://www.aparat.com/v/6kf5Z

#خبر
سلام، کلاس فردا با موضوع rest API با فریم ورک flask و استفاده برای مدلهایی که تا کنون توسعه داده ایم برقرار خواهد بود.

کدها و نوت بوکای جلسات پیشین در گیت قرار گرفت

به عنوان آخرین فرصت برای تمارینی که تحویل نداده اید.
از فرآیند اجرای هر تمرینی که تحویل نداده اید فیلمی با توضیحات کامل از روال انجام تهیه کنید و روز امتحان آن را بر روی CD تحویل دهید.
تا 50 درصد نمره را میتوانید کسب کنید.

#کورس #منبع #آموزش #Keras

"Machine Learning Practica" from Google AI:

کورس تعاملی برای مبانی ماشین لرنینگ و تمارین تعاملی در گوگل کولب.
مباحث:
تاکنون کورس طبقه بندی تصاویر منشتر شده که
شبکه های کانولوشنالی,
data augmentation,
fine tuning

با فریم ورک کراس
را پوشش داده است.

آدرس کورس:
https://developers.google.com/machine-learning/practica/image-classification/convolutional-neural-networks

آدرس خبر:
https://blog.google/topics/machine-learning/introducing-machine-learning-practica/

دوستان لطفا حتما عکس ‌ها یا فیلم اجرا از کدشان را همراه تمرین سری 7 ارسال کنند

نمرات سری 5 نیز در سایت وارد شد

سلام
وزنهای VGG16 را در حالتی که include_top=True هست را یک سری مشکل داشتند از گیت fchollet دانلود کنند.
میتونید از لینک زیر دانلود کنید و در همان مسیری که در نوت بوکها ذکر شده کپی کنید:

حجمش 528 مگ است.
http://dataset.class.vision/vgg16_weights_tf_dim_ordering_tf_kernels.h5

#مقاله #سورس_کد

Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
pic: http://bit.ly/2srFGOS
(Submitted on 11 Apr 2016)
#MTCNN

در الگوریتمهای قدیمی تشخیص چهره, موقعیت سر, حالات چهره، نور و ... تاثیر گذار بود و الگوریتم های موجود را با مشکل مواجه میکرد.
الگوریتمهایی نظیر Viola and Jones - Haar-cascade که در opencv پیاده سازی شده برای چهر های رو به رو و نزدیک رو به رو خوب کار میکند اما برای چهره هادر موقعیت ای دیگر کارایی ندارد!
تیم تحقیقاتی ماکروسافت با ارائه مقاله ای در سال 2014 با عنوان
Joint Cascade Face Detection and Alignment
با جنگل تصادفی این مشکل را تا حد زیادی برطرف کرد و سرعت هم تا حدود 30 میلی ثانیه برای تصاویر VGA بهبود داد، اما انتخاب ویژگی های دستی پرفورمنس را محدود کرده بود.

اما در این مقاله با کمک یادگیری عمیق دقت تا حد خوبی افزایش یافته و همانن مقاله ماکروسافت علاوه بر تشخیص کار face alignment هم انجام میشود.
در این روش 3 شبکه عصبی کانولوشنالی پشت سر هم و به صورت آبشاری قرار گرفته است
شبکه اول: بسیار سبک برای پیدا کردن تمامی نواحی مشکوک به وجود چهره.
شبکه دوم : این شبکه از از خروجی شبکه اول ورودی میگیرد؛ نواحی اشتباه پیدا شده را حذف میکند.
شبکه سوم: کاری شبیه یه شبکه دوم بر روی نواحی باقی مانده, همچنین پیدا کردن landmark های چهره نظیر چشم ها و بینی و alignment نقاط.



🕐Runtime efficiency:
It takes 16fps on a 2.60GHz CPU and 99fps on GPU (Nvidia Titan Black)

🔗abstract:
https://arxiv.org/abs/1604.02878

🔗Paper:
https://arxiv.org/pdf/1604.02878

🔗Project Page:
https://kpzhang93.github.io/MTCNN_face_detection_alignment/

🔗codes:
⚙️#Matlab / #Caffe implementation :
http://bit.ly/2rvkr9Q
⚙️#Python / #Tensorflow implementation :
http://bit.ly/2t1fB6e

#face #face_detection #face_alignment #MTCNN
#deep_learning #cnn #convolutional_neutral_network

ویدیو تمام جلسات در آپارات قرار گرفت.