Рубрика «Zero-shot»

в 8:15, , рубрики: vlm, Zero-shot, видеоаналитика, Галлюцинации нейросетей, детекция дыма, промпт-инжиниринг

Ранняя детекция дыма и огня — частая и ценная задача уличной видеоаналитики. Камера может заметить возгорание раньше, чем люди на улице или оператор. Обучать отдельную модель детекции — это датасет, разметка и время, а возгорания в кадре выглядят слишком по-разному, чтобы быстро покрыть все случаи. Поэтому, когда сценариев детекции в рабочих проектах стало слишком много, я решила попробовать короткий путь, попросить VLM (языковую модель, умеющую работать с изображениями) найти дым текстовым промптом в zero-shot режиме, то есть вообще без обучения под задачу.

Первой моделью взяла Qwen3.5-9BЧитать полностью »

в 15:16, , рубрики: grounding dino, LightGlue, object detection, Zero-shot

В целях защиты персональных данных участников «Чистых игр» вместо оригинальных фотографий использовались стилизованные иллюстрации, сгенерированные с помощью технологий ChatGPT. Для демонстрации работы алгоритмов использовались в основном мои фотографии либо изображения из открытых источников.

Всем привет! Меня зовут Алина, я инженер‑исследователь в Центре искусственного интеллекта СФУ. В этой статье расскажу, как мы применяем методы компьютерного зрения для анализа фотографий уборок в проекте «Чистые игры»Читать полностью »

в 13:15, , рубрики: Few-shot, Fine-tuning, nlp, Zero-shot, Zero-shot и Few-shot Learning в NLP, Zero-shot или Few-shot

Определения

Zero-shot Learning (ZSL) - это способность модели выполнять задачи без каких-либо примеров обучения. Она делает это за счёт обобщённых знаний, полученных во время предобучения.

Few-shot Learning (FSL) - это метод, при котором модели предоставляется всего несколько примеров (обычно от 1 до 5), чтобы лучше понять структуру задачи.

Архитектура

Zero-shot и Few-shot Learning реализуются в трансформерных архитектурах (GPT, Mistral, LLaMA и тд.) за счёт трех основных внутренних механизмов:

  • Предобученные эмбеддинги: модель уже имеет какие либо знания.

  • Контекстное внимание (Self-Attention): позволяет адаптироваться к входным данным.

  • Читать полностью »

Главная   |  Архив новостей  |   Android  |   Google  |   Apple  |   Microsoft  |   Информационная безопасность  |   Веб – разработка
Публикации RSS  |  Комментарии RSS
https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js