Рейтинг
0.00
голосов:
0
avatar

Машинное обучение  

TTA - аугментация во время теста

аугментация котиков
TTA — test-time augmentation — аугментация во время теста.
Это способ увеличить качество классификатора за счёт усреднения предсказаний для изображений и их аугментаций.

( Читать дальше )

CMSIS-NN - библиотека для работы с нейронными сетями для микроконтроллеров ARM Cortex-M

STM32
Оказывается, ещё в январе, в стандартную библиотеку — CMSIS (Cortex Microcontroller Software Interface Standard) включили функционал для реализации нейронных сетей — CMSIS-NN.

Основанием для внесения подобного функционала в стандартную библиотеку, стало признание того, что с развитием интеллектуальных периферийных устройств, IoT и т.п. — нейронные сети становятся всё более популярными для выполнения задач аналитики данных сразу на месте, что позволяет уменьшить латентность системы, а также уменьшить энергопотребление, которое можно будет не затрачивать на передачу данных.

CMSIS-NN представляет собой набор функций для реализации нейронных сетей, разработанных для максимизации производительности и минимизации объема потребляемой памяти на процессорных ядрах ARM Cortex-M.

( Читать дальше )

Внимательное изучение данных - это необходимость

отличие научной  и индустриальной работ в области машинного обучения
Свежая статья Питера Уордена (Pete Warden) — «Почему вам необходимо улучшить свои тренировочные данные и как это сделать? (Why you need to improve your training data, and how to do it) снова поднимает серьёзный вопрос, касающийся практического применения алгоритмов машинного обучения для решения реальных задач.
Автор обращает внимание, что в научной среде, основной упор делается на разработку и исследование работы новых моделей, в то время как в индустрии — больше всего времени тратится на подготовку и обработку самих данных.

( Читать дальше )

Использование свёрточной сети на Raspberry Pi для подсчёта пчёл

детектирование пчёл
Вручную разметив фотографии пчёл и используя нейросетевую архитектуру u-net на одноплатнике Raspberry Pi, автору удалось подсчитывать пчёл на входе в улей.

Частичное обучение


Так как с камеры можно получить большое количество изображений, то можно воспользоваться интересным трюком: частичным обучением, оно же — обучение с частичным привлечением учителя (Semi-supervised learning).

В основе этого трюка лежит очень простой подход:

( Читать дальше )

Использование TensorFlow для распознавания ваших объектов


Чтобы научить нейронную сетку на TensorFlow распознавать нужные вам объекты, вам понадобится несколько сотен изображений этих объектов. Эти изображения можно найти и скачать из интернета, либо сделать собственные фотографии.

( Читать дальше )

Установка TensorFlow на Raspberry Pi 3


TensorFlow можно собрать из исходников прямо на самой Raspberry Pi 3, но на сборку уйдёт около 10 часов.

( Читать дальше )

Глубокое обучение и C++


Выступление Peter Goldsborough с рассказом о глубоком обучении и С++.

( Читать дальше )

Однопиксельная атака для обмана нейронных сетей

Однопиксельная атака для обмана нейронных сетей
С развитием технологий ИИ и повсеместным внедрением нейронных сетей — нужно постоянно помнить о том, что подобные системы самым неожиданным образом могут быть введены в заблуждение.
Например, вот отличный пример — добавление всего одного определённого пикселя на изображение, позволяет добиться, чтобы максимизировать вероятность ошибки системы распознавания.

( Читать дальше )

Машинное обучение и нейронаука


Как связаны машинное обучение и нейронаука?
Например, нейронные сети были разработаны по прообразу устройства мозга.
Siraj Raval рассказывает об открытиях в области нейронауки, которые помогли совершиться прорывам в машинном обучении.

( Читать дальше )

uTensor - AI на микроконтроллерах


Интересный проект — uTensor — ставит перед собой задачу запуска нейронных сетей и глубокого обучения на микроконтроллерах.

( Читать дальше )