Forwarded from эйай ньюз
This media is not supported in your browser
VIEW IN TELEGRAM
Forwarded from T.Hunter
#news Продолжаем о распознавании лиц — на сей раз о печально известной технологии Clearview AI. Печально известной, потому что её испробовало для полиции несколько мировых государств, не сообщая об этом гражданам.
CEO Clearview AI заявил, что Airbnb, Lyft и Uber интересовались применением у себя их технологии, хоть и не планируют это делать в ближайшее время. Все три компании от таких намерений и планов наотрез открестились в СМИ.
Фиксируем это, чтобы позже посмотреть, кто же тут прав: шпионская компания с грязным маркетингом, претендующая на пост следующей NSO Group, или корпорации, у которых слова почти всегда расходятся с действиями. Я предпочту не выбирать вообще.
@tomhunter
CEO Clearview AI заявил, что Airbnb, Lyft и Uber интересовались применением у себя их технологии, хоть и не планируют это делать в ближайшее время. Все три компании от таких намерений и планов наотрез открестились в СМИ.
Фиксируем это, чтобы позже посмотреть, кто же тут прав: шпионская компания с грязным маркетингом, претендующая на пост следующей NSO Group, или корпорации, у которых слова почти всегда расходятся с действиями. Я предпочту не выбирать вообще.
@tomhunter
Forwarded from Denis Sexy IT 🤖
This media is not supported in your browser
VIEW IN TELEGRAM
Очередной алгоритм который пытается угадать, что за текст пытались скрыть за «пикселизацией».
Хорошее напоминание, что если вам хочется скрыть какой-то текст со скриншота — используйте цветные квадраты, а то вон, выше пример как из месива пикселей восстанавливается фраза.
Прошлый алгоритм на эту же тему – тут.
Пикселям нельзя доверять!
Хорошее напоминание, что если вам хочется скрыть какой-то текст со скриншота — используйте цветные квадраты, а то вон, выше пример как из месива пикселей восстанавливается фраза.
Прошлый алгоритм на эту же тему – тут.
Пикселям нельзя доверять!
Forwarded from Python Academy
Missingno
Большие грязные наборы данных и часто отсутствующие значения в них — это одна из частых проблем при работы с датасетами, и это важно отлавливать такие моменты.
Для таких целей существует Missingo — библиотека, которая имеет в себе небольшой набор простых в использовании средств для визуализации отсутствующих данных и утилит, которые позволяют быстро получить сводку полноты или отсутствия вашего набора данных.
Интерактивный пример — тут.
#Missingo
Большие грязные наборы данных и часто отсутствующие значения в них — это одна из частых проблем при работы с датасетами, и это важно отлавливать такие моменты.
Для таких целей существует Missingo — библиотека, которая имеет в себе небольшой набор простых в использовании средств для визуализации отсутствующих данных и утилит, которые позволяют быстро получить сводку полноты или отсутствия вашего набора данных.
Интерактивный пример — тут.
#Missingo
Forwarded from Технологии | Нейросети | Боты
Error, кому интересно
https://github.com/keras-team/keras-io/blob/master/examples/vision/mirnet.py
https://github.com/keras-team/keras-io/blob/master/examples/vision/mirnet.py
Forwarded from S.E.Book
📓 Как вытащить из данных максимум. Навыки аналитики для неспециалистов.
💬 Дата-грамотность, то есть способность ориентироваться в мире данных, — ключевой навык сегодняшнего дня. Ежедневно в соцсетях публикуются миллиарды сообщений, электронные почтовые ящики по всей планете гудят от писем, а каждый подключенный к интернету автомобиль производит терабайты данных, не говоря уже об онлайн-магазинах, платежных системах и государственных цифровых сервисах. Однако работать с данными, анализировать их и использовать их для бизнеса по-прежнему умеет меньшинство, а специалистов катастрофически не хватает.
💬 Это практическое руководство позволит даже неспециалисту освоить четыре базовых уровня аналитики и узнать, как принимать эффективные решения на основе данных, чтобы извлекать максимум из информации и быть успешным в быстро меняющемся цифровом мире.
📌 Download.
#RU #DataMining
💬 Дата-грамотность, то есть способность ориентироваться в мире данных, — ключевой навык сегодняшнего дня. Ежедневно в соцсетях публикуются миллиарды сообщений, электронные почтовые ящики по всей планете гудят от писем, а каждый подключенный к интернету автомобиль производит терабайты данных, не говоря уже об онлайн-магазинах, платежных системах и государственных цифровых сервисах. Однако работать с данными, анализировать их и использовать их для бизнеса по-прежнему умеет меньшинство, а специалистов катастрофически не хватает.
💬 Это практическое руководство позволит даже неспециалисту освоить четыре базовых уровня аналитики и узнать, как принимать эффективные решения на основе данных, чтобы извлекать максимум из информации и быть успешным в быстро меняющемся цифровом мире.
📌 Download.
#RU #DataMining
Forwarded from эйай ньюз
This media is not supported in your browser
VIEW IN TELEGRAM
Meta AI о нашем SOTA подходе для видео-сегментации человека на мобильных устройствах
В посте описана архитектура и всяческие трюки, которые помогают достичь SOTA результатов, при том, что модель бегает real-time на телефоне (либо, на другом мобильном устройстве).
Некоторые из фишек:
- FBNet - based архитектура, заточенная под сегментацию на мобилках с помощью Neural Architecture Seach. Выглядит как асиметричный U-Net с тяжелым энкодером и легковесным декодером.
- BoundaryIOU loss для смещения фокуса именно на точность сегментации на границе объекта
- Для увеличения консистентности предсказания во времени на вход берется маска, предсказанная на предыдущем фрейме
- Semi-supervised learning: В качестве учителя берется жирная сеть PointRend, а в качетсве студента легкая сеть, описанная выше.
К этому проекту приложил руку и ваш покорный слуга 🤓.
> Ссылка на статью
В посте описана архитектура и всяческие трюки, которые помогают достичь SOTA результатов, при том, что модель бегает real-time на телефоне (либо, на другом мобильном устройстве).
Некоторые из фишек:
- FBNet - based архитектура, заточенная под сегментацию на мобилках с помощью Neural Architecture Seach. Выглядит как асиметричный U-Net с тяжелым энкодером и легковесным декодером.
- BoundaryIOU loss для смещения фокуса именно на точность сегментации на границе объекта
- Для увеличения консистентности предсказания во времени на вход берется маска, предсказанная на предыдущем фрейме
- Semi-supervised learning: В качестве учителя берется жирная сеть PointRend, а в качетсве студента легкая сеть, описанная выше.
К этому проекту приложил руку и ваш покорный слуга 🤓.
> Ссылка на статью
Forwarded from TechSparks
Красивый результат с интересными практическими перспективами: специалисты по машинному обучению из DeepMind смогли обучить свои алгоритмы управлять магнитами токамака так, чтобы получать и удерживать «бублик» из плазмы нужной формы.
Изучение плазмы в токамаках и разработка надёжных методов ее стабилизации необходимо для получения, наконец, после десятилетий исследований, мощного источника чистой энергии. Но плазма неустойчива и ее свойства меняются чрезвычайно быстро и слабопредсказуемо, поэтому ни оператор, ни жестко запрограммированные алгоритмы не в состоянии обеспечить требуемое управление магнитами токамака. А вот машинное обучение (причём обученное на симуляторе, а не только на реальной установке) с задачей справилось.
This work is another powerful example of how machine learning and expert communities can come together to tackle grand challenges and accelerate scientific discovery. Лучше не скажешь :)
https://deepmind.com/blog/article/Accelerating-fusion-science-through-learned-plasma-control
Изучение плазмы в токамаках и разработка надёжных методов ее стабилизации необходимо для получения, наконец, после десятилетий исследований, мощного источника чистой энергии. Но плазма неустойчива и ее свойства меняются чрезвычайно быстро и слабопредсказуемо, поэтому ни оператор, ни жестко запрограммированные алгоритмы не в состоянии обеспечить требуемое управление магнитами токамака. А вот машинное обучение (причём обученное на симуляторе, а не только на реальной установке) с задачей справилось.
This work is another powerful example of how machine learning and expert communities can come together to tackle grand challenges and accelerate scientific discovery. Лучше не скажешь :)
https://deepmind.com/blog/article/Accelerating-fusion-science-through-learned-plasma-control
Deepmind
Accelerating fusion science through learned plasma control
Successfully controlling the nuclear fusion plasma in a tokamak with deep reinforcement learning
Forwarded from GitHub Community
CompreFace – Это бесплатная система распознавания лиц с открытым исходным кодом от Exadel
CompreFace можно легко интегрировать в любую систему без предварительных навыков машинного обучения. CompreFace предоставляет REST API для распознавания лиц, проверки лиц, обнаружения лиц, определения ориентиров, возраста и пола и легко развертывается с помощью докера.
⤷ Веб-сайт
GitHub | #Java #Recognition #Useful #Interesting
CompreFace можно легко интегрировать в любую систему без предварительных навыков машинного обучения. CompreFace предоставляет REST API для распознавания лиц, проверки лиц, обнаружения лиц, определения ориентиров, возраста и пола и легко развертывается с помощью докера.
⤷ Веб-сайт
GitHub | #Java #Recognition #Useful #Interesting
Forwarded from AI для Всех
Forwarded from Технологии | Нейросети | Боты
Хабр
Учим гипермодальный трансформер предсказывать калорийность борща
Попробовать можно тут Тыкать тут Привет Хабр, сегодня мы поговорим о такой важной теме как мультимодальные трансформеры. Что же это такое в контексте машинного обучения - это способность одной модели...
Forwarded from [404] — программирование
🐍 Распознавание текста с изображения — [8:50]
Python часто используют при разработке искусственного интеллекта, который, в свою очередь, умеет в компьютерное зрение. Это самое зрение позволяет программе искать и идентифицировать объекты на изображении (люди, животные или даже текст), без чего, естественно, никак не обойтись.
В этом видео автор на практике показал, как с использованием EasyOCR считывать текст русского и английского языка с изображения, а после — записать его в файл.
Перейти к просмотру
#видео #python
Python часто используют при разработке искусственного интеллекта, который, в свою очередь, умеет в компьютерное зрение. Это самое зрение позволяет программе искать и идентифицировать объекты на изображении (люди, животные или даже текст), без чего, естественно, никак не обойтись.
В этом видео автор на практике показал, как с использованием EasyOCR считывать текст русского и английского языка с изображения, а после — записать его в файл.
Перейти к просмотру
#видео #python
Forwarded from Big Data Science
🔥Hide a spicy photo from strangers? Easy with nudity detection API
Python program by DeepAI (https://deepai.org/machine-learning-model/nsfw-detector)
evaluates the image and estimates the likelihood that it covers areas of the human body that are usually found under clothing. The nudity check is a dynamic label, a certainty algorithm, or a false percentage. The user can set a different threshold in their app for what it considers to be nudity, and the image detection algorithm will return the percentage chance that the image contains natural content. This ML system is applicable not only to photos, but also to videos: neural networks analyze the video stream and give probabilistic feedback on the “adultness” of consumption.
See an example of using the API here: https://medium.com/mlearning-ai/i-tried-a-python-nude-detector-with-my-photo-446dba1bbfc8
Python program by DeepAI (https://deepai.org/machine-learning-model/nsfw-detector)
evaluates the image and estimates the likelihood that it covers areas of the human body that are usually found under clothing. The nudity check is a dynamic label, a certainty algorithm, or a false percentage. The user can set a different threshold in their app for what it considers to be nudity, and the image detection algorithm will return the percentage chance that the image contains natural content. This ML system is applicable not only to photos, but also to videos: neural networks analyze the video stream and give probabilistic feedback on the “adultness” of consumption.
See an example of using the API here: https://medium.com/mlearning-ai/i-tried-a-python-nude-detector-with-my-photo-446dba1bbfc8