PyramidBox
پیاده سازی غیر رسمی تنسرفلو مقاله تشخیص چهره pyramdbox
این مقاله در تشخیص چهره چالش WiderFace بهترین نتیجه را دارد.

A Context-assisted Single Shot Face Detector in TensorFlow

This is an unofficial #Tensorflow re-implementation of #PyramidBox: A Context-assisted Single Shot Face Detector, which achieves superior performance among the state-of-the-art on the two common face #detection benchmarks, #FDDB and #WIDER FACE.

مقاله

پیاده سازی غیر رسمی

#آموزش #ویدیو
Euclidean Distance & Cosine Similarity

لینک ویدیو:

https://t.me/cvision/626


در یادگیری ماشین برای مقایسه دو embedding یا encoding از یک معیار شباهت/عدم شباهت استفاده میکنیم.
که معمولا این معیار در بررسی شباهت داکیومنت، چهره و ... کاربرد دارد.
در اینجا به صورت خلاصه دو معیار فاصله اقلیدسی و شباهت Cosine مطرح میشود.

#face #document #similarity #distance
@cvision

#cosine_similarity

معیار شباهت کسینوسی دو وکتور در پایتون

#مقاله #سورس_کد

برون یابی تصویر با شبکه های مولد تخاصمی

Painting Outside the Box: Image Outpainting
#keras Implemenation of image outpaint

https://t.me/cvision/658

#outpaint #GAN #keras #stanford

#آموزش
8 روش برای object tracking
8 OpenCV Object Tracking Implementations

#tracking #opencv

آموزش ساده و مقدماتی تنسورفلو برای مبتدیان

https://www.datacamp.com/community/tutorials/tensorflow-tutorial

یک کتابخانه سطح بالای بینایی کامپیوتر در #پایتون که از چندین کتابخانه دیگر، نظیر openCV استفاده میکند و برنامه نویس بدون دانش پردازش تصویری میتواند برنامه های خود را بنویسد.

http://simplecv.org/

What’s the Difference Between Haar-Feature Classifiers and Convolutional Neural Networks?
https://towardsdatascience.com/whats-the-difference-between-haar-feature-classifiers-and-convolutional-neural-networks-ce6828343aeb

image-match is a simple (now Python 3!) package for finding approximate image matches from a corpus. It is similar, for instance, to pHash, but includes a database backend that easily scales to billions of images and supports sustained high rates of image insertion: up to 10,000 images/s on our cluster!:
https://github.com/ascribe/image-match

#مقاله
پیدا کردن بهترین learning rate برای مساله و شبکه:
Cyclical Learning Rates for Training Neural Networks
https://arxiv.org/abs/1506.01186

پیدا کردن بهترین learning rate

Cyclical Learning Rates for Training Neural Networks

https://medium.com/@lipeng2/cyclical-learning-rates-for-training-neural-networks-4de755927d46
در کراس:
https://github.com/bckenstler/CLR/blob/master/clr_callback_tests.ipynb

در تنسرفلو یکی pull request کرده اما هنوز merge نشده - اما میشه کدشو دید:
https://github.com/tensorflow/tensorflow/pull/20785/commits/e1b30b2c50776fc1e660503d07451a6f169a7ff9

در کتابخانه fast.ai هم که خود کتابخانه پشتیبانی میکنه:
https://github.com/fastai/fastai/tree/master/fastai

مرتبط با مقاله ی
https://t.me/cvision/701

#learning_rate #keras #tensorflow #fastai

مقایسه تعداد آگهی های شغلی برای هر کدام از فریمورک های یادگیری عمیق.

🙏Thanks to: @partdpai

توئیت Jeremy Howard پیرامون تکنیک مقداردهی اولیه پارامترهای قابل یادگیری لایه های BN در مقاله Imagenet in 1 hour

مرتبط با
https://t.me/cvision/720

#batch_norm

#مقاله
آموزش روی مجموعه داده ImageNet در یک ساعت با سایز مینی بچ 8192 بدون افت کارایی.

Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour
https://arxiv.org/abs/1706.02677

مرتبط با پست

https://t.me/cvision/721
در مقاله ای که در توئیت یان لیکان معرفی شده بود، توصیه شده بود سایز بچ را بزرگتر از 32 نگذاریم
https://t.me/cvision/560

اما در این مقاله، با استفاده از تکنیک هایی که معرفی کرده توانسته سایز minibatch را با در اختیار داشتن ۲۵۶ پردازنه گرافیکی ۸۱۹۲ قرار بده و افت کارایی نداشته باشه!

#mini_batch

تعداد مقالات منتشر شده که به وسیله فریمورک های مختلف یادگیری عمیق پیاده سازی شده اند.

https://bit.ly/2QOkvPS

🙏Thanks to: @partdpai

#خبر
امروز به صورت همزمان هم (پیش نمایش) نسخه 1 فریمورک #پایتورچ و هم نسخه 1 کتابخانه یادگیری عمیق سطح بالای fastai (که بر روی پایتورچ نسخه 1 نوشته شده است) منتشر شدند.
کتابخانه :fastai
https://github.com/fastai/fastai
مستندات کتابخانه fastai هم بعد از مدت ها بالاخره منتشر شد.
http://docs.fast.ai

#خبر #framework
توصیه ی Andrej Karpathy برای استفاده از فریم ورک FastAI و خوشحالی شدید Jeremy Howard ...
https://twitter.com/jeremyphoward/status/1047215781023367168

#خبر
گوگل کولب file browser اضافه کرد...
اکنون شما میتوانید فایلهایتان را با یک کلیک آپلود و دانلود کنید.
#colab

‏در حال حاضرخلاصه راهنمای یادگیری ماشین،به زبان فارسی در دسترس است.

یادگیری عمیق:

https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-deep-learning

نکات و ترفندهای یادگیری ماشین:

https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-machine-learning-tips-and-tricks
یاگیری با نظارت:

https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-supervised-learning
یادگیری بدون نظارت:

https://stanford.edu/~shervine/l/fa/teaching/cs-229/cheatsheet-unsupervised-learning

یادآوری آمار و احتمالات

 https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-probabilities-statistics

یادآوری جبر خطی و حسابان

 https://stanford.edu/~shervine/l/fa/teaching/cs-229/refresher-algebra-calculus

سلام.
گیت هاب درس با مباحث جلسات قبل به روز شده.
multi-label classification
و مقدمات تنسرفلو

لطفا حتما برای جلسه روز دوشنبه تسلط کامل به مقدمات تنسرفلو داشته باشید. مرور نخواهیم کرد و بک شبکه کاولوشنالی را پیاده سازی خواهیم کرد.

میتونید کدهای جلسه قبل را آنلاین ببینید:
http://nbviewer.jupyter.org/github/alireza-akhavan/class.vision/blob/master/35-intro-to-tensorflow.ipynb

همچنین تا آپلود شدن اسلایدها میتونید از روی این اسلایدها که شباهت زیادی دارد مطالعه کنید:
https://www.slideshare.net/Alirezaakhavanpour/tensorflow-71395844