Forwarded from Shenasa-ai.ir
#خبر #آموزش #معرفی_دیتاست
معرفی دیتاست objectron گوگل برای درک سه بعدی اشیاء (تصویر این پست)
3D Object Understanding
https://github.com/google-research-datasets/Objectron/
برخلاف دیتاست های قبلی تشخیص اشیاء که همگی محدوده ی تصاویر دو بعدی را مشخص کرده بودند، این دیتاست که توسط گوگل منتشر شده بر روی فریم های متوالی محدوده های سه بعدی اشیاء را مشخص کرده است.
این مجموعه داده شامل 15000 ویدیو و 4 میلیون تصویر در کلاسهای زیر است.
bikes, books, bottles, cameras, cereal boxes, chairs, cups, laptops, shoes
آموزش دانلود و استفاده از این مجموعه داده را میتوانید از اینجا ببینید.
همچنین مدلهای پایه ای روی این دیتاست توسعه داده شده، مدل قبلی این تیم که به صورت single-shot بود را در اینجا ببینید. اما مدل جدید منتشر شده دو مرحله ای است که در مرحله ی اول فقط محدوده ی دو بعدی شی در آن فریم را محاسبه کرده و سپس مرحله ی دوم که از بریده شده ی مرحله ی قبل تغذیه میگردد، به عنوان خروجی محدوده ی سه بعدی آن فریم را به همراه پیشنهاد محدوده ی فریم بعدی را به ما خواهد داد.
این روش جدید حدود 3 برابر از روش تک مرحله ای قبل سریعتر است و آموزش لیبل گذاری ویدیو برای این کار را از اینجا میتوانید مشاهده کنید.
مطالعه بیشتر:
https://medium.com/swlh/introducing-objectron-the-next-phase-in-3d-object-understanding-8432bf285345
https://github.com/google-research-datasets/objectron
#دیتاست #دیتا #dataset $dta #object_detection #Objectron
———————————
مجموعه دانش بنیان شناسا ( داده پویان آلما)
http://shenasa.ai
http://shenasa-ai.ir
ما را دنبال کنید:
آپارات:
https://www.aparat.com/shenasa.ai
لینکدین:
https://www.linkedin.com/company/shenasa-ai/
اینستاگرام:
https://www.instagram.com/shenasa.ai
کانال تلگرام:
https://t.me/shenasa_ai
اخبار و آموزش های تخصصی هوش مصنوعی در تلگرام: @cvision
معرفی دیتاست objectron گوگل برای درک سه بعدی اشیاء (تصویر این پست)
3D Object Understanding
https://github.com/google-research-datasets/Objectron/
برخلاف دیتاست های قبلی تشخیص اشیاء که همگی محدوده ی تصاویر دو بعدی را مشخص کرده بودند، این دیتاست که توسط گوگل منتشر شده بر روی فریم های متوالی محدوده های سه بعدی اشیاء را مشخص کرده است.
این مجموعه داده شامل 15000 ویدیو و 4 میلیون تصویر در کلاسهای زیر است.
bikes, books, bottles, cameras, cereal boxes, chairs, cups, laptops, shoes
آموزش دانلود و استفاده از این مجموعه داده را میتوانید از اینجا ببینید.
همچنین مدلهای پایه ای روی این دیتاست توسعه داده شده، مدل قبلی این تیم که به صورت single-shot بود را در اینجا ببینید. اما مدل جدید منتشر شده دو مرحله ای است که در مرحله ی اول فقط محدوده ی دو بعدی شی در آن فریم را محاسبه کرده و سپس مرحله ی دوم که از بریده شده ی مرحله ی قبل تغذیه میگردد، به عنوان خروجی محدوده ی سه بعدی آن فریم را به همراه پیشنهاد محدوده ی فریم بعدی را به ما خواهد داد.
این روش جدید حدود 3 برابر از روش تک مرحله ای قبل سریعتر است و آموزش لیبل گذاری ویدیو برای این کار را از اینجا میتوانید مشاهده کنید.
مطالعه بیشتر:
https://medium.com/swlh/introducing-objectron-the-next-phase-in-3d-object-understanding-8432bf285345
https://github.com/google-research-datasets/objectron
#دیتاست #دیتا #dataset $dta #object_detection #Objectron
———————————
مجموعه دانش بنیان شناسا ( داده پویان آلما)
http://shenasa.ai
http://shenasa-ai.ir
ما را دنبال کنید:
آپارات:
https://www.aparat.com/shenasa.ai
لینکدین:
https://www.linkedin.com/company/shenasa-ai/
اینستاگرام:
https://www.instagram.com/shenasa.ai
کانال تلگرام:
https://t.me/shenasa_ai
اخبار و آموزش های تخصصی هوش مصنوعی در تلگرام: @cvision
Telegram
Shenasa-ai.ir
3D Object Understanding
اطلاعات بیشتر:
https://t.me/shenasa_ai/38
اطلاعات بیشتر:
https://t.me/shenasa_ai/38