Сразу к карте? Если вы предпочитаете действовать, а не читать, вот ссылка на Mind Map . Она доступна для изучения прямо сейчас. А если хотите понять контекст и узнать больше о каждой модели — добро пожаловать под кат!
Рубрика «computer vision» - 5
Исследуем эволюцию архитектур в Computer Vision: Mind Map всех ключевых моделей
2025-03-13 в 16:58, admin, рубрики: computer vision, deep learning, machine learning, mind maps, neural networks, resnet, Transformers, машинное обучение, нейронные сетиVirtual Ads или как прорекламировать Adidas в CS:GO
2025-03-09 в 17:53, admin, рубрики: AI, computer vision, keypoint detectors, opencv, Компьютерное зрение, рекламные технологииВсем привет, меня зовут Евгений Мунин. Я Senior ML Engineer в Ad Tech в платформе ставок для рекламы и автор ТГ канала ML Advertising. В данной статье мы поговорим об одном из способов повышения узнаваемости брендов в спорте, а точнее виртуальной рекламе. Разберем размещение рекламных баннеров на видео и напишем пример на Python и OpenCV, где разместим логотип Adidas с использованием алгоритма детектирования ключевых точек SIFT и гомографии для искажения баннера под перспективу.
Форматы рекламы в спортивных трансляциях
HaGRIDv2-1M: 1 миллион изображений для распознавания статичных и динамических жестов
2025-03-07 в 10:36, admin, рубрики: computer vision, data mining, data science, datasets, deep learning, detection, device control, gesture recognition, human-computer-interaction, neural networks
В этой статье мы представляем HaGRIDv2-1M — обновлённую и значительно расширенную версию HaGRID, самого полногоЧитать полностью »
МРТ для DataScience. Часть 7
2025-02-18 в 8:31, admin, рубрики: computer vision, медицинская визуализация, медицинские данные, МРТПродолжаем разбираться со особенностями МРТ-данных для обучения нейронных сетей. Содержание и первые части цикла статей здесь.
7. Задача выбора нужной серии из исходного набора данных
7.1. Постановка задачи
МРТ для DataScience. Часть 6
2025-02-14 в 10:13, admin, рубрики: computer vision, медицинская визуализация, медицинские данные, МРТПродолжаем разбираться со особенностями МРТ-данных для обучения нейронных сетей. Содержание и первые части цикла статей здесь.
6. Некоторые библиотеки для работы с МРТ-изображениями
Основной акцент при рассмотрении всех аспектов работы с МРТ-изображениями делается на данных в формате DICOM, которые создаются непосредственно при проведении исследования на МР-томографе, а, значит, не содержат неизвестных искажений от применения различных преобразований.
Разворачиваем простой OCR-сервер на Python
2025-02-11 в 9:51, admin, рубрики: computer vision, OCR-технологии, python, Компьютерное зрение, распознавание изображенийТема компьютерного зрения достаточно обширна: в ней рассматриваются различные способы распознавания статичных изображений и видео. Однако многие из предлагаемых в интернете решений требуют повышенных вычислительных мощностей, сложного ПО и специального оборудования.
В этой статье мы не будем рассматривать что‑то сложное, а вместо этого разберём создание простого сервера для распознавания изображений на Python.
Выбор языка Python для работы с OCR не случаен. Этот язык поддерживает множество библиотек и фреймворков, некоторые из которых мы будем использовать для создания нашего сервера.
Начинаем установкуЧитать полностью »
МРТ для DataScience. Часть 3
2025-01-28 в 7:00, admin, рубрики: computer vision, медицинская визуализация, медицинские данные, МРТ3. От сигнала к изображению
Продолжаем разбираться с физическими основами генерации МРТ-данных.
3.1. Импульсные последовательности
Импульсная последовательность (ИП) – это серия радиочастотных и градиентных импульсов заданной формы, амплитуды и интервала между ними, многократно повторяемых во время сканирования.
Каждый РЧ-импульс технически задается векторной амплитудой, определяющей направление поля В1 и длительностью tp. Импульс отклоняет вектор М на определенный угол q в плоскости, перпендикулярной В1.
Создаем воспоминания. Осваиваем FLUX, LoRA и ComfyUI
2025-01-03 в 15:02, admin, рубрики: computer vision, flux, машинное обучение, нейросети, Стругацкие
Разбираюсь на праздниках с дообучением моделей для генерации изображений. Было интересно, насколько сложно дообучить модель для генерации изображений по тексту FLUX в домашних условиях, сколько нужно обучающих данных и как затем генерировать качественные фотографии и иллюстрации.
ИИ-Дед Мороз: создаём новогодние видео-открытки с YandexART и YandexGPT
2024-12-30 в 11:05, admin, рубрики: computer vision, llm, Yandex API, yandexart, yandexgpt, автоматизация рутины, новогоднее поздравление, Новый Год
— А ты уже сгенерировал открытку с Дедом Морозом?
(источник)
Мэтчинг персонажей. Level Hard
2024-12-22 в 13:42, admin, рубрики: computer vision, detection, image classification, image segmentation, self-supervisedИнтро
Для всех, кто знаком со свертками, задача мэтчинга персонажейне кажется сверхсложной. На Kaggle есть даже соревнования с подобной задачей и размеченный датасет с персонажами мультсериала Симпсоны. Но здесь ключевое слово — «размеченный».
Что делать, если датасет не размеченный и на каждом изображении несколько персонажей, а размечать все это очень не хочется? Тут на помощь приходят алгоритмы сегментации и контрастивное обучение, но обо всем по порядку.
Какие данные
Мы работали с коллекцией гравюр Британского музея. Все гравюры Читать полностью »