Astrid Kraniger создала интересную инсталляцию: In Medio Stat Virtus — это кинетическая скульптура, балансирующая шариком на уголке, который удерживается двумя тросиками.
Длина тросиков изменяется шаговыми двигателями, а положение шарика определяется разницей в весе, который измеряется на тросах при помощи тензодатчиков, снятых с электрических безменов.
Таким образом, удержание баланса достигается, когда шаговые двигатели поднимают и опускают нужную сторону, чтобы выровнять вес на каждом тросе.

( Читать дальше )

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

( Читать дальше )

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 )

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 )

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 )

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

( Читать дальше )

Лекция Антона Слесарева (руководитель проекта беспилотных автомобилей компании Яндекс) о важных компонентах стека технологий, необходимых для работы беспилотного автомобиля.

( Читать дальше )

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 )

Видео с выступления профессора Andrew Ng на стэнфордском форуме MSx Future, где он рассказывает как искусственный интеллект трансформирует индустрию.

Интересное правило, которое Эндрю Ын, предлагает, чтобы понять — можно ли использовать искусственный интеллект для решения какой-либо задачи:

если обычный человек может решить задачу, подумав над ней менее секунды, мы, вероятно, сможем автоматизировать её решение при помощи ИИ либо уже сейчас, либо в ближайшем будущем

( Читать дальше )

sim0nsays (Simon Kozlov) рассказывается про идею капсульных нейронных сетей (Capsule Networks (CapsNet)), которую предложил Хинтон, для решения проблем существующих свёрточных нейронных сетей.

( Читать дальше )